SAR image denoising using the non-subsampled contourlet transform and morphological operators

  • Authors:

  • José Manuel Mejía Muñoz;Humberto De Jesús Ochoa Domínguez;Leticia Ortega Máynez;Osslan Osiris Vergara Villegas;Vianey Guadalupe Cruz Sánchez;Nelly Gordillo Castillo;Efrén David Gutiérrez Casas

  • Affiliations:

  • Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México;Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México;Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México;Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México;Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México;Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México;Departamento de Ingeniería Eéctrica y Computación, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México

  • Venue:
  • MICAI'10 Proceedings of the 9th Mexican international conference on Advances in artificial intelligence: Part I
  • Year:
  • 2010

Quantified Score

Hi-index 0.00

Visualization

Abstract

This paper introduces a novel algorithm that combines the Non-Subsampled Contourlet Transform (NSCT) and morphological operators to reduce the multiplicative noise of synthetic aperture radar images. The image corrupted by multiplicative noise is preprocessed and decomposed into several scales and directions using the NSCT. Then, the contours and uniform regions of each subband are separated from noise. Finally, the resulting denoised subbands are transformed back into the spatial domain and applied the exponential function to obtain the denoised image. Experimental results show that the proposed method drastically reduces the multiplicative noise and outperforms other denoising methods, while achieving a better preservation of the visual details.