تحلیل کارآیی چندی سازی بلوکی تطبیق پذیر در فشرده‌سازی داده‌های خام رادار دهانه مصنوعی با استفاده از داده‌های خام رادار بومی ISRCSAR و ارائه رویکرد گزینش نرخ تطبیقی

حاتم, مجید; لیاقت, علیرضا; مردانه, نجمه; حاتم, مهدی

تحلیل کارآیی چندی سازی بلوکی تطبیق پذیر در فشرده‌سازی داده‌های خام رادار دهانه مصنوعی با استفاده از داده‌های خام رادار بومی ISRCSAR و ارائه رویکرد گزینش نرخ تطبیقی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ استادیار، پژوهشکده مکانیک، پژوهشگاه فضایی ایران، تهران، ایران

² دانشجوی دکترا، پژوهشکده مکانیک، پژوهشگاه فضایی ایران، تهران، ایران

³ کارشناسی ارشد، پژوهشکده مکانیک، پژوهشگاه فضایی ایران، تهران، ایران

چکیده

رویکرد چندی‌سازی بلوکی تطبیق پذیر یا همان BAQ، یک رویکرد متداول جهت فشرده‌سازی داده‌های خام رادار دهانه مصنوعی (سار) محسوب می‌شود. در سامانه‌های تصویربرداری راداری، به ویژه سار فضاپایه، به دلیل حجم بالای داده اخذ شده برای هر ناحیه‌ی مورد تصویربرداری، ذخیره‌سازی یا ارسال داده خام از طریق لینک داده چالش بزرگی به حساب می‌آید. لذا در این سامانه‌ها با فشرده‌سازی داده خام، پهنای باند لینک داده یا حجم حافظه مورد نیاز برای ذخیره‌سازی آن به صورت موثر کاهش می‌یابد. در مسیر توسعه دانش فنی سار فضاپایه در کشور، طراحی و به کارگیری الگوریتم‌های فشرده سازی داده خام سار در پژوهشکده مکانیک توسعه یافته است. به منظور ارزیابی و تحلیل کارآیی این روش‌ها، از داده خام عملی رادار ISRCSAR که در پژوهشکده مکانیک طراحی و ساخته شده، استفاده گردیده است. از مهم‌ترین ایده‌هایی که در این مقاله بدان پرداخته می‌شود انتخاب نرخ بیت تطبیقی BAQ در فشرده‌سازی داده خام سار و همچنین اثر این گزینش نرخ بیت در کیفیت تصویر تشکیل شده توسط داده فشرده شده می‌باشد. جهت مقایسه تصاویر حاصله ناشی از نرخ بیت‌های متفاوت BAQ، از معیار PSNR و ارزیابی‌های بصری بر روی تصویر ناشی از داده خام غیر فشرده و داده خام فشرده شده استفاده گردیده است. نتایج این مقایسه کارآیی بالای رویکرد ارائه شده را نشان می دهد.

کلیدواژه‌ها

20.1001.1.23454024.1398.7.2.10.0

عنوان مقاله [English]

Performance Analysis of Block Adaptive Quantization in Synthetic Aperture Radar raw data compression by using practical SAR raw data and Representation of Adaptive Rate Selection

نویسندگان [English]

Majid- Hatam- ¹
Alireza Liaghat ²
Najme mardane ³
mahdi hatam ¹

¹ Assistant Professor, Mechanical Research Institute, Iran Space Research Institute, Tehran, Iran

² PhD student, Mechanics Research Institute, Iran Space Research Institute, Tehran, Iran

³ Master's degree, Mechanical Research Institute, Iran Space Research Institute, Tehran, Iran

چکیده [English]

The Adaptive Block Quantization approach, or BAQ, is a common approach to compress synthetic aperture Radar raw data. Radar imaging systems, especially spaceborne SAR system, exploit large bandwidth and high sampling rate, resulting in a large bitstream to be handled. This leads to a major challenge due to the high volume of data obtained for each area being imaged, storing or sending raw data through a data link. Therefore, by using “raw data compression”, data link bandwidth and the needed memory capacity can be reduced effectively. In the course of developing the technical knowledge of spaceborne SAR systems in the country, the design and implementation of SAR raw data compression algorithms has been developed in the Institute of Mechanics. In order to evaluate and analyze the efficiency of these methods, the SAR raw data of a SAR system developed by the Institute of Mechanics were used. One of the most important issues discussed in this paper is the adaptive selection of the BAQ rate in the raw data compression as well as the effect of this bit rate selection on the quality of image which is formed by the compressed data. To compare the resulting images from different BAQ bit rates, the PSNR criterion and visual evaluations of the resulting images are used. The results of this comparison indicate the high performance of the proposed approach.

کلیدواژه‌ها [English]

Synthetic aperture RADAR
compression
raw data
Block Adaptive Quantization
image formation

مراجع

[1] D'Elia, Ciro, Giovanni Poggi, and Luisa Verdoliva, “Compression of SAR raw data through range focusing and variable-rate trellis-coded quantization,” IEEE Transactions on Image Processing 10.9, pp. 1278-1287, 2001.

[2] Gleich, Dusan, et al., “Progressive space frequency quantization for SAR data compression,” IEEE transactions on geoscience and remote sensing 40.1, pp. 3-10, 2002.

[3] Magli, Enrico, and Gabriella Olmo, “Lossy predictive coding of SAR raw data,” IEEE Transactions on Geoscience and Remote Sensing 41.5, pp. 977-987, 2003.

[4] Algra, Theo, “Data compression for operational SAR missions using entropy-constrained block adaptive quantisation,” IEEE International Geoscience and Remote Sensing Symposium, vol. 2, IEEE, 2002.

[5] Hamkins, Jon, and Kenneth Zeger, “Gaussian source coding with spherical codes,” IEEE Transactions on Information Theory 48.11, pp. 2980-2989, 2002.

[6] Kwok, Ronald, and William TK Johnson, “Block adaptive quantization of Magellan SAR data,” IEEE Transactions on Geoscience and remote sensing 27.4, pp. 375-383, 1989.

[7] D'Elia, Ciro, Giovanni Poggi, and Luisa Verdoliva, “Compression of SAR raw data through range focusing and variable-rate trellis-coded quantization,” IEEE Transactions on Image Processing 10.9, pp. 1278-1287, 2001.

[8] Pascazio, Vito, and Gilda Schirinzi, “SAR raw data compression by subband coding,” IEEE Transactions on Geoscience and Remote Sensing 41.5, pp. 964-976, 2003.

[9] Algra, Theo, “Data compression for operational SAR missions using entropy-constrained block adaptive quantisation,” IEEE International Geoscience and Remote Sensing Symposium, IEEE, vol. 2, 2002.

[10] Eoportal Directory, https://directory.eoportal.org/, 2020.

[11] S. R. Mohseni, M. M. Nayebi, R. Mohseni, and B. Ebrahimi, “Introducing Azimuth FFT Architecture in Range-Doppler Imaging Algorithm in SAR Systems,” Journal of Radar, vol. 3, no. 1, Serial No. 7, 2015. (In Persian)

[12] Huynh-Thu, Quan, and Mohammed Ghanbari, “Scope of validity of PSNR in image/video quality assessment,” Electronics letters 44.13, pp. 800-801, 2008.