Yerel olmayan ortalama filtre ile karma normlar kullanılarak sar görüntü gürültüsü azaltma

Abstract

Bu çalışmada, algoritma çalışma süresi kısa tutularak gürültü azaltma performansının geliştirilmesi için l0-norm, l1-norm ve l2-normun avantajları ve yerel olmayan ortalama filtrenin doku koruma özelliği bir araya getirilerek yeni bir yöntem geliştirilmektedir. Önerilen yöntem görüntüdeki kenar ve noktasal saçıcıların bozulmasını önleyerek homojen bölgelerin yumuşatılmasını sağlamaktadır. Bu alanda yapılan çalışmalar incelendiğinde l0-norm, l1-norm ve l2-normun değişik uygulama senaryolarında birbirlerine göre avantajları olduğu görülmektedir. Görüntülerdeki her bir piksel için bu normlardan uygun olanı kullanılırsa daha iyi bir gürültü azaltma sağlanacaktır. Ayrıca yerel olmayan ortalama filtrenin kullanımı ile de görüntü üzerindeki dokular daha iyi korunabilmektedir. Bu yöntemleri bir arada kullanabilmek için yöntemlerin sahip olacağı farklı ağırlık değerlerinden oluşan bir maliyet fonksiyonu tanımlanmaktadır. Önerilen maliyet fonksiyonunun eşlenik gradyan yöntemleri kullanılarak minimize edilmesiyle gürültü azaltma gerçekleştirilmektedir. Önerilen yöntem etkin bellek kullanımı sağlamaktadır ve yöntemin tüm adımlarının CPU'da OpenMP ve GPU'da CUDA kullanılarak paralelleştirilmesi sağlanmaktadır. Benek gürültü azaltma performansı, çalışma süresi ve bellek kullanımı sentetik ve gerçek SAR görüntüleri üzerinde test edilmiştir.

In this study, a novel method which combines the advantages of l0-norm, l1-norm and l2-norm and texture preserving property of non-local means method in order to improve despeckling quality while keeping execution times of algorithm reasonably short is proposed. The proposed method allows to smooth homogeneous regions with minimal degradation in edges and point scatterers in the image. When the studies in this area is examined, l0-norm, l1-norm, and l2-norm have different advantages with respect to each other for different application scenarios. A better noise reduction will be provided when the appropriate of these norms are used for each pixel in the images. Also textures in the image can be preserved better with the use of non-local means filter. A cost function is defined to use these methods together with different weights. Noise reduction is performed with minimization the proposed cost function using the conjugate gradient methods. The proposed method provides efficient use of memory and all the steps of the algorithm are parallelized using OpenMP and CUDA. Despeckling performance, execution time and memory usage of the proposed method are shown using synthetic and real-world SAR images.