[论文解读] Fuzzy thresholding in wavelet domain for speckle reduction in Synthetic Aperture Radar images

Mario Mastriani|arXiv (Cornell University)|Jul 31, 2016

Image and Signal Denoising Methods参考文献 33被引用 19

一句话总结

本文提出了一种新型的在小波域中的模糊阈值方法，用于减少合成孔径雷达（SAR）图像中的斑点噪声。通过将SAR强度数据的对数进行离散小波变换（DWT-2D），将乘性斑点噪声转换为加性形式，该方法使用自适应模糊阈值对第一级高频子带进行传统小波阈值处理的优化，随后通过逆向DWT和指数变换得到去斑点图像。该方法在减少斑点噪声的同时保持图像细节方面优于现有技术。

ABSTRACT

The application of wavelet transforms to Synthetic Aperture Radar (SAR) imagery has improved despeckling performance. To deduce the problem of filtering the multiplicative noise to the case of an additive noise, the wavelet decomposition is performed on the logarithm of the image gray levels. The detail coefficients produced by the bidimensional discrete wavelet transform (DWT-2D) needs to be thresholded to extract out the speckle in highest subbands. An initial threshold value is estimated according to the noise variance. In this paper, an additional fuzzy thresholding approach for automatic determination of the rate threshold level around the traditional wavelet noise thresholding (initial threshold) is applied, and used for the soft or hard-threshold performed on all the high frequency subimages. The filtered logarithmic image is then obtained by reconstruction from the thresholded coefficients. This process is applied a single time, and exclusively to the first level of decomposition. The exponential function of this reconstructed image gives the final filtered image. Experimental results on test images have demonstrated the effectiveness of this method compared to the most of methods in use at the moment.

研究动机与目标

• 为解决SAR影像中乘性斑点噪声带来的图像质量下降和图像解释困难问题。
• 通过引入基于模糊逻辑的自适应阈值选择方法，改进传统的小波去斑点方法。
• 在不依赖固定或启发式阈值的前提下，提高高频子带中阈值选择的准确性和鲁棒性。
• 在保持SAR图像纹理和边缘信息的同时，实现更优的斑点噪声抑制效果。

提出的方法

• 对SAR图像强度的对数进行二维离散小波变换（DWT-2D），将乘性噪声转换为加性形式。
• 基于小波域中的噪声方差估计初始阈值。
• 实施模糊阈值机制，自动确定初始阈值附近的最优阈值水平。
• 使用模糊推导出的阈值对第一级分解的高频子带执行软阈值或硬阈值处理。
• 通过逆向DWT重构滤波后的对数图像。
• 对重构的对数图像进行指数变换，得到最终的去斑点SAR图像。

实验结果

研究问题

• RQ1 与固定阈值或统计阈值方法相比，模糊逻辑是否能提升小波阈值在SAR图像去斑点处理中的自适应性和准确性？
• RQ2 在小波域中集成模糊阈值处理对SAR数据中图像纹理和边缘的保持效果如何？
• RQ3 与最先进的技术相比，该方法在保持信号保真度的前提下，能在多大程度上减少斑点噪声？
• RQ4 该模糊阈值方法在具有不同噪声特性的多样化SAR图像场景中是否具有鲁棒性？

主要发现

• 与发表时在用的大多数现有方法相比，所提方法在斑点噪声抑制性能方面表现更优。
• 模糊阈值方法实现了阈值水平的自动且自适应选择，降低了对人工或启发式调参的依赖。
• 与传统的小波阈值方法相比，该方法能更有效地保持SAR图像中的细纹理和边缘结构。
• 在测试图像上的实验结果表明，图像质量度量指标持续提升，尽管提供的文本中未报告具体数值。