ارائه روشي براي شناسايي پيكسل‌هاي مشكوك به وجود نوفه تغيير بيت در تصاوير ماهواره لندست

Introducing a Method for Detection of the Suspected Bit_Flip Noise Affected Pixels in Landsat Images

وجود انواع نوفه در تصاوير لندست، استخراج اطلاعات صحيح را دشوار و بعضا غير ممكن مي­سازد. يكي از اين نوفه ­ها، نوفه ضربه­اي تغيير بيت است كه در حين انتقال داده ­ها به زمين با تغيير يكي از بيت­هاي پيكسل­ به وجود مي­آيد، به گونه­ اي كه اگر اين بيت در مراتب بالاتر باشد، تغيير ممكن است به دفعات از سيگنال اصلي نيز بزرگتر باشد. در اين پژوهش يك روش نوين براي شناسايي و رفع نوفه تغيير بيت در تصاوير اخذ شده توسط ماهواره­هاي لندست ارائه شده است. در اين روش از يك آشكارساز فازي براي شناسايي پيكسل­هاي آلوده به نوفه استفاده شده است. پس از شناسايي اين پيكسل­ها و مقايسه رقم ديجيتال آن با رقم ديجيتال پيكسل­هاي مجاور، بيت­هاي تغيير يافته شناسايي و اصلاح شده­اند. بزرگترين مزيت اين روش اين است كه فرايند رفع نوفه تنها بر روي پيكسل­هاي آلوده تاثير مي­گذارد. براي سنجش نتايج حاصل از اصلاح تصاوير واقعي و شبيه سازي شده براي نوفه تغيير بيت و همچنين مقايسه روش ارائه شده در اين پژوهش با روش­هاي پركاربرد پيشين از پارامترهاي آماري تصاوير و شاخص­هاي ميانگين مربعات خطا و شاخص اندازه گيري شباهت ساختاري استفاده شده است. بررسي بصري تصاوير اصلاح شده و كاهش در انحراف معيار پس از اصلاح تصاوير واقعي نشان دهنده كاهش نوفه مي­باشد. همچنين بيشترين مقدار به دست آمده براي شاخص شاخص اندازه گيري شباهت ساختاري برابر 9/0 مي­باشد كه پس از اجراي روش پيشنهاد شده در اين مقاله بر روي تصوير شبيه سازي شده به دست آمد. همچنين مقدار ميانگين مربعات خطاي به دست آمده براي روش پيشنهاد شده در اين پژوهش برابر 82/101 مي­باشد كه نشان دهنده عملكرد مناسب اين روش نسبت به روش­هاي پركاربرد پيشين مي­باشد.

Presence of different noises in Landsat images renders the extraction of descent information hard or sometimes impossible. One of these noises is Bit-Flip noise that happens when the signals are transferring from satellite to the other platforms and/or ground stations. During this transferring process, one bit might be affected and altered (e.g. 1 to 0 or 0 to 1). Clearly if the position of this bit is in higher bit values, then the change might be as large as the signal itself. This for dark pixels might be even few orders of magnitudes larger. In this work, a novel method for detection of affected bit and its correction is introduced. In this method, first we used a fuzzy detector method to identify the noise affected pixels. Then the pixels DN values were compared with the neighboring pixels and as results the affected pixels and the degree of affection were calculated. Since the change must be of the order of 2n, the proper value will be identified and corrected accordingly. The method was compared with the other well-known methods using statistical parameters such as SSIM and PSNR. The value for SSIM and PSNR were 0.9 and 28db respectively which were much better compared to other methods.