Denoyecimiento de imágenes de sonar basado en agrupación y codificación bayesiana dispersa

Área de la Ciencia:

• Tecnología marina
• Procesamiento de imágenes
• Procesamiento de señales

Sus antecedentes:

• Las imágenes de sonar de exploración lateral (SSI) sufren de manchas multiplicativas y ruido aditivo, lo que degrada la calidad y dificulta la interpretación.
• La desnudez efectiva es crucial para el reconocimiento preciso del objetivo y el análisis de la escena en las imágenes de sonar.

Objetivo del estudio:

• Desarrollar un algoritmo avanzado de desnudez para SSI que aborde el ruido mixto.
• Mejorar la preservación de los detalles estructurales y de las características de los objetivos en las imágenes desnaturalizadas.

Principales métodos:

• Integración de agrupación de bloques similares no locales con codificación dispersa bayesiana.
• Utilización de características estructurales y estadísticas de ruido transversales con una métrica de número equivalente de miradas (ENL) y medios K mejorados para la clasificación de parches.
• Empleando una estrategia de entrenamiento de diccionario conjunto y Bayesian Orthogonal Matching Pursuit (BOMP) para la representación escasa.

Principales resultados:

• El algoritmo propuesto suprime efectivamente el ruido mixto (speckle y aditivo) en SSI.
• Demostrado rendimiento superior a los métodos clásicos en métricas objetivas (PSNR, SSIM) y calidad visual.
• Conservación significativamente mejorada de los bordes y texturas del objetivo, incluso en condiciones de ruido severas.

Conclusiones:

• El algoritmo de eliminación de ruido propuesto ofrece una solución sólida para mejorar la calidad de la ISS.
• Proporciona una herramienta valiosa para mejorar el reconocimiento del objetivo y la interpretación de la escena en la acústica marina.
• La capacidad del método para preservar los detalles estructurales bajo el ruido es una ventaja clave.