Bayesian Despeckling of Structured Sources

要約

スペックルノイズは、コヒーレントイメージングシステムの基本的な課題であり、画質を大幅に低下させます。
過去数十年にわたって、合成開口レーダー（SAR）やデジタルホログラフィなどのアプリケーション向けに、多数のデスデッキングアルゴリズムが開発されてきました。
この論文では、定義に対する理論的に根拠のあるアプローチを確立することを目指しています。
一般的な構造化された静止した確率源に適用可能な方法を提案します。
断片的な一定のソースに対する提案された方法の有効性を実証します。
さらに、そのようなソースの不定期のパフォーマンスに関する下限を理論的に導き出します。
提案されたDepsecklerは、1-Markov構造化されたソースに適用されます。グラウンドトゥルースシグナルモデルまたはスペックルノイズの強力な簡素化なしで、より良い再構成パフォーマンスを実現します。

要約(オリジナル)

Speckle noise is a fundamental challenge in coherent imaging systems, significantly degrading image quality. Over the past decades, numerous despeckling algorithms have been developed for applications such as Synthetic Aperture Radar (SAR) and digital holography. In this paper, we aim to establish a theoretically grounded approach to despeckling. We propose a method applicable to general structured stationary stochastic sources. We demonstrate the effectiveness of the proposed method on piecewise constant sources. Additionally, we theoretically derive a lower bound on the despeckling performance for such sources. The proposed depseckler applied to the 1-Markov structured sources achieves better reconstruction performance with no strong simplification of the ground truth signal model or speckle noise.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google