ترجمه فارسی مقاله تجزیه و تحلیل نویز Speckle برای داده های فضایی رادار دیافراگم مصنوعی (SAR)

چکیده

This research tackles the challenge of speckle noise in Synthetic Aperture Radar (SAR) space data, a prevalent issue that hampers the clarity and utility of SAR images. The study presents a comparative analysis of six distinct speckle noise reduction techniques: Lee Filtering, Frost Filtering, Kuan Filtering, Gaussian Filtering, Median Filtering, and Bilateral Filtering. These methods, selected for their unique approaches to noise reduction and image preservation, were applied to SAR datasets sourced from the Alaska Satellite Facility (ASF). The performance of each technique was evaluated using a comprehensive set of metrics, including Peak Signal-to-Noise Ratio (PSNR), Mean Squared Error (MSE), Structural Similarity Index (SSIM), Equivalent Number of Looks (ENL), and Speckle Suppression Index (SSI). The study concludes that both the Lee and Kuan Filters are effective, with the choice of filter depending on the specific application requirements for image quality and noise suppression. This work provides valuable insights into optimizing SAR image processing, with significant implications for remote sensing, environmental monitoring, and geological surveying.

چکیده به فارسی (ترجمه ماشینی)

این تحقیق با چالش سر و صدای لکه دار در داده های فضایی رادار دیافراگم مصنوعی (SAR) ، یک مسئله رایج است که مانع از وضوح و کاربرد تصاویر SAR می شود.این مطالعه یک تجزیه و تحلیل مقایسه ای از شش تکنیک کاهش نویز لکه دار مشخص را ارائه می دهد: فیلتر لی ، فیلتر یخبندان ، فیلتر کوان ، فیلتر گاوسی ، فیلتر میانه و فیلتر دو طرفه.این روشها ، برای رویکردهای منحصر به فرد خود برای کاهش نویز و حفظ تصویر ، به مجموعه داده های SAR که از تأسیسات ماهواره آلاسکا (ASF) تهیه شده اند ، استفاده شده است.عملکرد هر تکنیک با استفاده از مجموعه ای جامع از معیارها ، از جمله نسبت اوج سیگنال به نویز (PSNR) ، میانگین خطای مربع (MSE) ، شاخص شباهت ساختاری (SSIM) ، تعداد معادل ظاهر (ENL) و نشت ارزیابی شد.شاخص سرکوب (SSI).این مطالعه نتیجه می گیرد که هر دو فیلتر لی و کوان مؤثر هستند ، با انتخاب فیلتر بسته به نیازهای خاص برای کیفیت تصویر و سرکوب سر و صدا.این کار بینش ارزشمندی در مورد بهینه سازی پردازش تصویر SAR ، با پیامدهای قابل توجهی برای سنجش از راه دور ، نظارت بر محیط زیست و نقشه برداری زمین شناسی فراهم می کند.