Fonction de granularité

Vue d’ensemble

La fonction de granularité supprime la granularité des jeux de données radar et lisse le bruit, tout en préservant les tronçons et les entités tranchantes dans l’image. La granularité est le bruit haute fréquence présent dans les images radar. Les images générées par les systèmes de laser, d’ultrason et de radar d’ouverture synthétique (SAR, Synthetic Aperture Radar) sont susceptibles de présenter une granularité en raison de l’interférence des ondes électromagnétiques renvoyées par plusieurs surfaces. La fonction de granularité utilise des modèles mathématiques pour filtrer les points clairs et sombres qui sont générés à la suite d’une interférence, ceci afin d’améliorer l’interprétation d’image.

Remarques

Les algorithmes de lissage dans la fonction de granularité réduisent et filtrent la granularité à l’aide des types de filtre Lee, Enhanced Lee (Lee amélioré), Frost (Gel), Kuan, Gamma MAP (Carte gamma) Refined Lee (Lee affiné).

Pour une réduction optimale de la granularité, vous pouvez essayer les solutions suivantes :

• Filter Size (Taille de filtre) a une incidence considérable sur la qualité des images traitées. Un filtre de 7 sur 7 donne généralement de bons résultats avec un lissage modéré.
• Number of Looks (Nombre de vues) permet d’estimer la variance de bruit et contrôle efficacement le degré de lissage appliqué à l’image par le filtre. Une valeur plus petite entraîne un plus grand lissage, une valeur plus élevée préserve une plus grande netteté des images.
• Appliquez un étirement d’histogramme pour ajuster le contraste et la luminosité de l’image.

Paramètres

Paramètre	Description
Raster	Raster en entrée.
Type de filtre	Spécifie le type de filtre à utiliser dans l’algorithme de lissage en vue de supprimer la granularité : Lee : réduit la granularité en appliquant un filtre spatial à chaque pixel d’une image, ce qui filtre les données en fonction des statistiques locales calculées dans une fenêtre carrée. Ce filtre est utile pour lisser les données granuleuses qui comportent un composant additif et/ou multiplicatif. Il s’agit de l’option par défaut. Enhanced Lee (Lee amélioré) : version adaptée du filtre Lee qui inclut les paramètres Damping Factor (Facteur d’humidité) et Number of Looks (Nombre de vues). Ce filtre est utile pour réduire la granularité tout en préservant les informations de texture. Frost (Gel) : réduit la granularité à l’aide d’un filtre symétrique circulaire d’atténuation exponentielle qui utilise des statistiques locales dans les fenêtres de chaque filtre. Ce filtre est utile pour réduire la granularité tout en préservant les tronçons dans les images radar. Kuan : similaire au filtre Lee, ce filtre applique un filtre spatial à chaque pixel d’une image et filtre les données en fonction des statistiques locales calculées dans une fenêtre carrée. Ce filtre est utile pour réduire la granularité tout en préservant les tronçons dans les images radar. Gamma MAP (Carte gamma) : un filtre d’analyse bayésienne et de distribution gamma est appliqué pour réduire le bruit de granularité. Ce filtre est utile pour réduire la granularité tout en préservant les tronçons. Refined Lee (Lee affiné) : un filtre spatial est appliqué aux pixels sélectionnés, en fonction de statistiques locales, afin de réduire le bruit de granularité. Ce filtre utilise une fenêtre de filtre non carrée pour apparier la direction des tronçons. Il est utile pour réduire la granularité tout en préservant les tronçons.
Taille de filtre	Spécifie la taille de la fenêtre de pixel utilisée pour filtrer le bruit : 3x3 5x5 7x7 9x9 11x11 La valeur par défaut est 3x3.
Modèle de bruit	Spécifie le type de bruit qui réduit la qualité de l’image radar : Multiplicative Noise (Bruit multiplicatif) : bruit de signal aléatoire qui est multiplié dans le signal pertinent au cours d’une capture ou transmission Additive Noise (Bruit additif) : bruit de signal aléatoire qui est ajouté au signal pertinent au cours de la capture ou de la transmission Additive and Multiplicative Noise (Bruit additif et multiplicatif) : les deux modèles de bruit Ce paramètre n’est valide que si l’option Filter Type (Type de filtre) est définie sur Lee. La valeur par défaut est Multiplicative Noise (Bruit multiplicatif).
Variance de bruit	Spécifie la variance de bruit de l’image radar. Ce paramètre n’est valide que si l’option Filter Type (Type de filtre) est définie sur Lee et l’option Noise Model (Modèle de bruit) sur Additive Noise (Bruit additif) ou Additive and Multiplicative Noise (Bruit additif et multiplicatif). La valeur par défaut est 0,25.
Moyenne de bruit additif	Spécifie la valeur moyenne du bruit additif. Une valeur de moyenne de bruit plus élevée produit un lissage moindre, tandis qu’une valeur plus petite génère un lissage plus important. Ce paramètre n’est valide que si l’option Filter Type (Type de filtre) est définie sur Lee et l’option Noise Model (Modèle de bruit) sur Additive and Multiplicative Noise (Bruit additif et multiplicatif). La valeur par défaut est 0.
Moyenne de bruit multiplicatif	Spécifie la valeur moyenne du bruit multiplicatif. Une valeur de moyenne de bruit plus élevée produit un lissage moindre, tandis qu’une valeur plus petite génère un lissage plus important. Ce paramètre n’est valide que si l’option Filter Type (Type de filtre) est définie sur Lee et l’option Noise Model (Modèle de bruit) sur Multiplicative Noise (Bruit multiplicatif) ou Additive and Multiplicative Noise (Bruit additif et multiplicatif). La valeur par défaut est 1.
Nombre de vues	Spécifie le nombre de vues de l’image, ce qui contrôle le lissage des images et estime la variance de bruit. Une valeur plus petite produit un plus grand lissage, tandis qu’une valeur plus élevée conserve davantage d’entités d’images. Ce paramètre n’est valide que si l’option Filter Type (Type de filtre) est définie sur Lee et l’option Noise Model (Modèle de bruit) sur Multiplicative Noise (Bruit multiplicatif), ou si l’option Filter Type (Type de filtre) est définie sur Enhanced Lee (Lee amélioré), Kuan, Gamma MAP (Carte gamma). La valeur par défaut est 1.
Facteur d’atténuation	Spécifie l’étendue de l’effet d’humidité exponentielle sur le filtrage. Une valeur d’humidité plus élevée préserve mieux les tronçons mais génère un lissage moindre, tandis qu’une valeur moins élevée produit un plus grand lissage. La valeur 0 produit le même résultat qu’un filtre passe-bas. Ce paramètre n’est valide que si l’option Filter Type (Type de filtre) est définie sur Enhanced Lee (Lee amélioré) ou Frost (Gel). La valeur par défaut est 1.

Pour en savoir plus sur les filtres

Cette section inclut des informations techniques sur certains des filtres.

Filtre Lee

Le filtre Lee réduit la granularité en appliquant un filtre spatial à chaque pixel d’une image, ce qui filtre les données en fonction des statistiques locales calculées dans une fenêtre carrée. La valeur du pixel central est remplacée par une valeur calculée à l’aide des pixels voisins. Avec le filtre Lee, vous pouvez réduire le bruit additif, le bruit multiplicatif, ou les deux. Utilisez le filtre Lee pour lisser les données granuleuses qui comportent un composant additif ou multiplicatif.

Algorithmes du filtre Lee

Modèle de bruit	Algorithme	Définitions des variables
Additif	Valeur du pixel filtré = LM + K * (PC - LM) où K = LV / (LV + AV)	PC : valeur du pixel central de la fenêtre K : fonction de pondération LM : moyenne locale de la fenêtre de filtre LV : variance locale de la fenêtre de filtre M : Multiplicative Noise Mean (Moyenne de bruit multiplicatif) A : Additive Noise Mean (Moyenne de bruit additif) AV : variance de bruit additif MV : variance de bruit multiplicatif SD : écart type de la fenêtre de filtre NLooks : Number of Looks (Nombre de vues)
Multiplicatif	Valeur du pixel filtré = LM + K * (PC - M * LM) où K = M * LV / ((LM * LM * MV) + (M * M * LV)) MV = 1 / NLooks
Additif et multiplicatif	Valeur du pixel filtré = LM + K * (PC - M * LM - A) où K = M * LV / ((LM * LM * MV) + (M * M * LV) + AV) MV = (SD / LM)^2

Remarque :

La valeur Additive Noise Mean (Moyenne de bruit additif) est généralement égale à 0. La valeur Multiplicative Noise Mean (Moyenne de bruit multiplicatif) est généralement égale à 1.

Filtre Lee amélioré

Le filtre Lee amélioré est une version affinée du filtre Lee, qui réduit efficacement la granularité en préservant la netteté et les détails des images. Il requiert une valeur Damping Factor (Facteur d’humidité) et une valeur Number of Looks (Nombre de vues). Utilisez le filtre Lee amélioré pour réduire la granularité tout en préservant les informations de texture.

Algorithme du filtre Lee amélioré

Algorithme	Définitions des variables
La valeur du pixel filtré dépend de certaines conditions. Si CI <= CU alors PF = LM Si CU < CI < Cmax alors PF = LM * K + PC * (1 - K) Si CI >= Cmax alors PF = PC où CU = 1 / racine carrée (NLooks) Cmax = racine carrée (1 + 2 / NLooks) CI = SD / LM K = e^(- D (Ci - CU) / (Cmax - CI))	PF : valeur du pixel filtré PC : valeur du pixel central de la fenêtre LM : moyenne locale de la fenêtre de filtre SD : écart type dans la fenêtre de filtre NLooks : Number of Looks (Nombre de vues) D : Damping Factor (Facteur d’humidité) CU : coefficient de variation du bruit Cmax : coefficient de variation du bruit maximal CI : coefficient de variation d’image

Filtre de givre

Le filtre de givre réduit la granularité et préserve les entités d’images importantes aux tronçons à l’aide d’un filtre symétrique circulaire d’humidité exponentielle qui utilise des statistiques locales dans les fenêtres de chaque filtre. Le filtre de givre requiert le paramètre Damping Factor (Facteur d’humidité). Utilisez le filtre de givre pour réduire la granularité tout en préservant les tronçons dans les images radar.

La réflectivité de la scène est un facteur important qui différencie le filtre de givre des filtres Lee et Kuan. Elle est calculée en associant l’image observée à la réponse d’impulsion du système SAR.

Algorithme du filtre de givre

Algorithme	Définitions des variables
L’implémentation de ce filtre consiste à définir un filtre symétrique circulaire avec un jeu de valeurs de pondération K pour chaque pixel. K = e ^(- D * (LV / LM * LM) * S) La valeur de niveau de gris obtenue du pixel filtré est (P1 * K1 + P2 * K2 + ... + Pn * Kn) / (K1 + K2 + ... + Kn)	S : valeur absolue de la distance en pixels à partir du pixel central vers ses voisins dans la fenêtre de filtre P1,P2,...Pn : niveaux de gris de chaque pixel dans la fenêtre de filtre K1,K2,...Kn : pondérations (comme défini ci-dessus) de chaque pixel D : Damping Factor (Facteur d’humidité) LM : moyenne locale de la fenêtre de filtre LV : variance locale de la fenêtre de filtre

Filtre Kuan

Le filtre Kuan suit un processus de filtrage similaire au filtre Lee pour réduire la granularité. Ce filtre applique également un filtre spatial à chaque pixel d’une image, ce qui a pour effet de filtre les données en fonction des statistiques locales de la valeur du pixel centré, qui est calculée à l’aide des pixels voisins. Le filtre Kuan requiert la valeur Number of Looks (Nombre de vues), qui contrôle le lissage des images et estime la variance de bruit. Utilisez le filtre Kuan pour réduire la granularité tout en préservant les tronçons dans les images radar.

Algorithme du filtre Kuan

Algorithme	Définitions des variables
La valeur du pixel filtré est PC * K + LM * (1 - K) où CU = 1 / racine carrée (NLooks) CI = racine carrée (LV) / LM K = (1 - ((CU * CU) / (CI * CI))) / (1 + (CU * CU))	PC : valeur du pixel central de la fenêtre K : fonction de pondération CU = coefficient de variation du bruit CI = coefficient de variation d’image LM : moyenne locale de la fenêtre de filtre LV : variance locale de la fenêtre de filtre NLooks : Number of Looks (Nombre de vues)

Carte gamma

Le filtre de carte gamma utilise une approche MAP (Maximum A Posterior), qui nécessite des connaissances préalables de la fonction de densité de probabilité de l’image radar. Le filtre de carte gamma requiert la valeur Number of Looks (Nombre de vues), qui contrôle le lissage des images et estime la variance de bruit.

Algorithme	Définitions des variables
La valeur du pixel filtré dépend de certaines conditions. Si CI < CU alors PF = LM Si CU <= CI <= Cmax alors PF = (K–NLooks-1)*L^M+square root((LM*LM)*((K-NLooks-1)*(K- NLooks-1))+4*K*NLooks*LM) Si CI > Cmax alors PF = PC où CU = 1 / racine carrée (NLooks) Cmax = racine carrée (2 * CU ) CI = SD / LM K = (1 + (CU * CU)) / ((CI * CI) - (CU * CU))	PF : valeur du pixel filtré CI : coefficient de variation d’image CU : coefficient de variation du bruit LM : moyenne locale de la fenêtre de filtre NLooks : Number of Looks (Nombre de vues) K : fonction de pondération SD : écart type de la fenêtre de filtre

Lee affiné

Le filtre Lee affiné est une version affinée du filtre Lee qui réduit le bruit de granularité à proximité des tronçons tout en préservant la netteté des tronçons. Il applique la détection des tronçons dans une taille de fenêtre constante de 7x7. Dans cette fenêtre de 7x7, une fenêtre non carrée est utilisée pour apparier la direction des tronçons. Les pixels non tronçon restants dans la fenêtre non carrée sont utilisés dans le calcul de filtrage.

Algorithme	Définitions des variables
La valeur du pixel filtré est LM + K * (PC – LM) où K = ( LV - LM * LM * MV) / ((1 + MV)*LV) MV = (SD / LM)^2	LM : moyenne locale de la fenêtre de filtre K : fonction de pondération PC : valeur du pixel central de la fenêtre LV : variance locale de la fenêtre de filtre MV : variance de bruit multiplicatif SD : écart type de la fenêtre de filtre