Функция Спекл

Общий обзор

Функция Спекл удаляет спекл из набора данных радара и сглаживает шумы, сохраняя края и резкость объектов в изображении. Спекл – это высокочастотный шум, присутствующий в изображениях радара. Изображения, генерируемые лазерными, ультразвуковыми и радиолокационными системами с синтезированной апертурой (SAR), подвержены спекл-шуму из-за интерференции возвращаемых электромагнитных волн, рассеянных от нескольких поверхностей. Функция Спекл использует математические модели для фильтрации ярких и темных пятен, которые генерируются в результате интерференции, чтобы обеспечить лучшую интерпретацию изображения.

Примечания

Алгоритм сглаживания в спекл-функции снижает и фильтрует спекл-шум с помощью типов фильтров – Ли, Улучшенный Ли , Фрост или Куан.

Для оптимального устранения зернистости можно попробовать следующее:

• Размер фильтра сильно влияет на качество обработанных изображений. Фильтр размером 7 на 7 обычно дает хорошие результаты со средним сглаживанием.
• Число выборок используется для оценки дисперсии шума и эффективно управляет сглаживанием, которое применяется к изображению при фильтрации. Меньшее значение приводит к лучшему сглаживанию. Большее значение более точно сохраняет изображения пространственных объектов.
• Применение растяжки гистограммы для настройки контраста и яркости изображения.

Фильтр Ли

Фильтр Ли устраняет зернистость, применяя пространственный фильтр к каждому пикселу изображения, который фильтрует данные на основе локальной статистики, вычисленной в квадратном окне. Значение центрального пиксела заменяется на значение, вычисленное с помощью соседних пикселов. Фильтр Ли позволяет удалить как аддитивные, так и множественные шумы. Используйте фильтр Ли для сглаживания данных с наличием спекла, в которых есть аддитивный или множественный компонент.

Алгоритмы фильтра Ли

Шумовая модель	Алгоритм	Определения переменной
Аддитивная	Value of filtered pixel = LМ + K * (PC - LМ) где K (функция веса) = LV / (LV + AV)	PC – значение центрального пиксела окна. LM – локальное среднее значение окна фильтра. LV – локальная дисперсия окна фильтра M – Среднее значение мультипликативных шумов A – Среднее значение аддитивных шумов AV – дисперсия аддитивных шумов MV – среднее значение мультипликативных шумов SD — стандартное отклонение окна фильтра NLooks – число выборок изображения
Мультипликативный	Value of filtered pixel = LМ + K * (PC - M * LМ) где K (функция веса) = M * LV / ((LM * LM * MV) + (M * M * LV)) MV = 1 / число выборок
Аддитивный и мультипликативный	Value of filtered pixel = LМ+ K * (PC - M * LМ - A) где K (функция веса) = M * LV / ((LM* LM * MV) + (M * M * LV) + AV) MV = (SD / LM)^2

Примечание:

Среднее значение аддитивных шумов обычно 0. Среднее значение мультипликативных шумов обычно 1.

Улучшенный фильтр Ли

Улучшенный фильтр Ли — это измененная версия фильтра Ли, эффективно сокращающая зернистость и сохраняющая резкость и детализацию изображения. Для этого фильтра требуется Коэффициент затухания и Число выборок. Используйте улучшенный фильтр Ли для уменьшения спекла с сохранением текстур.

Алгоритм улучшенного фильтра Ли

Алгоритм	Определения переменной
Значение сглаживаемого центрального пиксела = LМ for CI <= CU LМ * K + PC * (1 - K) for CU < CI < Cмакс PC for CI >= Cмакс где CU = 1 / кв. корень (число выборок) (коэффициент дисперсии шумов) Cмакс = кв. корень (1+ 2 / число выборок) (Максимальный коэффициент дисперсии шумов) CI = SD / LM(коэффициент дисперсии изображения) K = e^(- D (Ci - CU) / (Cмакс - CI))	PC – значение центрального пиксела окна. LM – локальное среднее значение окна фильтра. SD – стандартное отклонение в окне фильтра NLooks – число выборок изображения D – коэффициент затухания

Фильтр Фроста

Фильтр Фроста устраняет зернистость и сохраняет важные пространственные объекты изображения по краям с использованием симметричного циркулярного фильтра с экспоненциальным затуханием, который использует локальную статистику в отдельных окнах фильтра. Для фильтра Фроста требуется коэффициент затухания. Используйте фильтр Фроста для уменьшения спекла с сохранением границ радарных изображений.

Отражательная способность сцены важный фактор который дифференцирует фильтр Фроста от фильтров Ли и Куан. Он рассчитывается путем объединения наблюдаемого изображения с импульсной характеристикой системы SAR.

Алгоритм фильтра Фроста

Алгоритм	Определения переменной
Реализация этого фильтра заключается в определении симметричного циркулярного фильтра с набором M-значений весов для каждого пиксела. K = e ^(- B * S) Результирующее значение серого уровня фильтрованного пиксела равно R = (P1 * K1 + P2 * K2 + ... + Pn * Kn) / (K1 + K2 + ... + Kn) где B = D * (LV / LM * LM)	S — абсолютное значение расстояния от центрального пиксела до его соседей в окне фильтра D – коэффициент затухания LM – локальное среднее значение окна фильтра. LV – локальная дисперсия окна фильтра P1,P2,...Pn – это уровни серого каждого пиксела в окне K1,K2,...Kn – это веса (определенные выше) для каждого пиксела

Фильтр Куана

Фильтр Куан использует процесс фильтраций, аналогичный фильтру Ли, для устранения зернистости. Этот фильтр также применяет пространственный фильтр к каждому пикселу изображения, фильтруя данные на основе локальной статистики центрального пиксела, вычисленной с помощью соседних пикселов. Для фильтра Куана требуется указать Число выборок, которое управляет сглаживанием изображения и оценивает дисперсию шумов. Используйте фильтр Куана для уменьшения спекла с сохранением границ радарных изображений.

Алгоритм фильтра Куана

Алгоритм	Определения переменной
Фильтрованное значение пиксела равно R = PC * K + LМ * (1 - K) где CU = 1 / кв. корень (число выборок) (коэффициент дисперсии шумов) Cmax = кв. корень (LV) / LM (коэффициент дисперсии изображения) K = (1 - ((CU * CU) / (CI * CI))) / (1 + (CU * CU))	PC – значение центрального пиксела окна. LM – локальное среднее значение окна фильтра. LV – локальная дисперсия окна фильтра NLooks – число выборок изображения

Параметры

Параметр	Описание
Растр	Входной растр.
Тип фильтра	Определяет тип фильтра, используемый в алгоритме сглаживания для удаления спекл-шума: Фильтр Ли – устраняет зернистость, применяя пространственный фильтр к каждому пикселу изображения, который фильтрует данные на основе локальной статистики, вычисленной в квадратном окне. Фильтр подходит, если требуется сглаживание данных с наличием спекла, в которых есть аддитивный или множественный компонент. Используется по умолчанию. Улучшенный фильтр Ли – адаптированная версия фильтра ЛИ, включающая Коэффициент затухания и Число выборок. Этот фильтр поможет, если вы хотите удалить шум, сохранив при этом текстурную информацию. Фильтр Фроста – устраняет зернистость с использованием симметричного циркулярного фильтра с экспоненциальным затуханием, который использует локальную статистику в отдельных окнах фильтра. Используйте этот фильтр для уменьшения спекла с сохранением границ радарных изображений. Фильтр Куана – действует схожим образом с фильтром ЛИ, применяя пространственный фильтр к каждому пикселу изображения, который фильтрует данные на основе локальной статистики, вычисленной в квадратном окне. Этот фильтр поможет, если вы хотите удалить шум, сохранив при этом границы радарных изображений.
Размер фильтра	Указывает размер окна в пикселах, используемого для фильтрации шума: 3x3 5x5 7x7 9x9 11x11 По умолчанию установлено 3x3.
Шумовая модель	Тип шума, снижающий качество радарного изображения: Мультипликативный шум – случайный шум сигнала, умноженный на относительный относительный сигнал в течение захвата или Аддитивный шум – случайный шум сигнала, добавленный к относительному сигналу в течение захвата или Аддитивный и мультипликативный шум – обе шумовые модели Этот параметр доступен только, если в качестве Типа фильтра выбран Фильтр Ли. По умолчанию используется модель Мультипликативного шума.
Дисперсия шумов	Определяет дисперсию шумов радарного изображения Этот параметр доступен только, если в качестве Типа фильтра выбран Фильтр Ли, а в качестве Шумовой модели указан Аддитивный шум или Аддитивный и мультипликативный шум. Значение, предлагаемое по умолчанию, равно 0.25.
Среднее значение аддитивного шума	Указывает среднее значение аддитивного шума. Большее среднее значение шума приводит к меньшему сглаживанию, а меньшее среднее значение, соответственно вызывает большее сглаживание. Этот параметр доступен только, если в качестве Типа фильтра выбран Фильтр Ли, а в качестве Шумовой модели указан Аддитивный шум или Аддитивный и мультипликативный шум. По умолчанию значение равно 0.
Среднее значение мультипликативного шума	Указывает среднее значение мультипликативного шума. Большее среднее значение шума приводит к меньшему сглаживанию, а меньшее среднее значение, соответственно вызывает большее сглаживание. Этот параметр доступен только, если в качестве Типа фильтра выбран Фильтр Ли, а в качестве Шумовой модели указан Аддитивный шум или Аддитивный и мультипликативный шум. Значение по умолчанию равно 1.
Число выборок	Указывает число выборок изображения, определяющий сглаживание изображения и оценивает дисперсию шумов. Меньшее значение приводит к большему сглаживанию, а большее значение более точно сохраняет изображения пространственных объектов. Этот параметр доступен только, если в качестве Типа фильтра выбран Фильтр Ли, а в качестве Шумовой модели указан Мультипликативный шум, или когда для Типа фильтра выбран Фильтр Куана. Значение по умолчанию равно 1.
Коэффициент затухания	Определяет экстент экспоненциального эффекта затухания при фильтрации. Большее значение затухания сохраняет границы, но с меньшим сглаживанием, а меньшее значение вызывает большее сглаживание. Значение 0 приводит к получению того же результата, что и низкочастотный фильтр. Этот параметр доступен только, если в качестве Типа фильтра выбран Улучшенный фильтр Ли или Фильтр Фроста. Значение по умолчанию равно 1.