Increasing the Performance of SAR Image Despeckling Using Convolutional Neural Networks


Günaydın Y. Ş., Şen B.

International Conference on Advanced Technologies, Computer Engineering and Science (ICATCES’18), Karabük, Turkey, 11 - 13 May 2018, pp.179-181

  • Publication Type: Conference Paper / Full Text
  • City: Karabük
  • Country: Turkey
  • Page Numbers: pp.179-181
  • Ankara Yıldırım Beyazıt University Affiliated: Yes

Abstract

Using Synthetic Aperture Radar images become popular in many military or civilian applications such as algorithm design, geo-referencing and Automatic Target Recognition. One of the main reason is SAR images can be obtained in any weather condition like rainy or cloudy weather even without daylight. However, S ynthetic Aperture Radar (S AR) images contain multiplicative noise called speckle which makes analyzing images difficult. Therefore, there are many algorithms developed about despeckling SAR images in last decades. Each algorithm has strengths and weaknesses such as some algorithms work great in texture areas and some can work fine about homogeneous regions. To achieve more efficient result in despeckling SAR images, we proposed a method which uses 3 despeckling algorithms (SSD, MSAR_BM3D and FANS) and apply those algorithms in the regions which they are powerful. The proposed method splits a S AR image into smaller images and use Convolutional Neural Networks to categorize the sub images to find which algorithm is the best for that region. Afterwards, sub images despeckled using the algorithm which CNN selected and sub images come together and create the final despeckled image. The proposed method aimed despeckling of noises from the S ynthetic Aperture Radar images more effective than the available despeckling algorithms.

Sentetik Açıklıklı Radar görüntüleri, algoritma tasarımı, coğrafi referanslama ve Otomatik Hedef Tanıma gibi birçok askeri veya sivil uygulamada popüler hale gelmektedir. Bunun temel nedenlerinden biri, SAR görüntülerinin yağmurlu veya bulutlu hava gibi her türlü hava koşulunda, gün ışığı olmasa bile alınabilmesidir. Ancak Sentetik Açıklıklı Radar (S AR) görüntüleri benek adı verilen çarpımsal gürültü içerir ve bu durum görüntülerin analizini zorlaştırır. Bu nedenle son yıllarda SAR görüntülerindeki gürültülerin giderilmesine yönelik pek çok algoritma geliştirilmiştir. Her algoritmanın güçlü ve zayıf yönleri vardır; örneğin bazı algoritmalar doku alanlarında harika çalışır, bazıları ise homojen bölgelerde iyi çalışabilir. Bu çalışmada SAR görüntülerinde gürültü gidermede daha verimli sonuç elde etmek için 3 adet gürültü giderme algoritmasını (SSD, MSAR_BM3D ve FANS) kullanan ve bu algoritmaları güçlü oldukları bölgelere uygulayan bir yöntem önerildi. Önerilen yöntem, bir SAR görüntüsünü daha küçük görüntülere böler ve o bölge için hangi algoritmanın en iyi olduğunu bulmak amacıyla alt görüntüleri kategorize etmek için Evrişimli Sinir Ağlarını kullanır. Daha sonra CNN'in seçtiği algoritma kullanılarak gürültüden arındırılan alt görüntüler bir araya getirilerek gürültüsüz görüntü oluşturulur. Önerilen yöntem, Sentetik Açıklıklı Radar görüntülerinden gelen gürültülerin, mevcut gürültü giderme algoritmalarından daha etkili bir şekilde giderilmesini amaçlamıştır.