斑点函数

概览

此“斑点”函数可移除雷达数据集中的斑点，并将在影像中保留边和尖锐要素时消除噪声。 斑点是存在于雷达影像中的高频噪声。 由激光、超声波和合成孔径雷达 (SAR) 系统生成的影像受到斑点噪声的限制，原因是从多个表面散射的电磁回波会形成干扰。 “斑点”函数可使用数学模型来过滤因干扰而产生的亮点和黑点，以便更好地解译影像。

注释

“斑点”函数中的平滑算法可使用 Lee、增强型 Lee、Frost、Kuan、Gamma MAP 和优化型 Lee 滤波器类型减少和过滤斑点。

要实现最佳斑点消减效果，可尝试下述方法：

• 滤波器大小将大大影响已处理影像的质量。 7 x 7 滤波器通常可通过中等平滑来生成满意结果。
• 查看次数用于估算噪声方差，并可有效地控制被滤波器应用于影像的平滑的数量。 较小的值会导致较多的平滑处理；较大的值则会保留较为清晰的影像要素。
• 请应用直方图拉伸来调整影像的对比度或亮度。

参数

参数	描述
栅格	输入栅格。
过滤器类型	指定用于移除斑点噪声的平滑算法中的滤波器类型： Lee - 可通过在图像中对每个像素应用空间滤波器来减少斑点噪声，该空间滤波器对基于在方形窗口中计算的局部统计量而产生的数据进行过滤。 当您希望对具有相加或相乘组件的斑点数据进行平滑处理时，此滤波器将非常有用。 这是默认设置。 增强型 Lee - Lee 滤波器的改编版本，其中包括阻尼系数和查看次数。 如果您希望在减少斑点的同时保留纹理信息，此滤波器将十分有用。 Frost - 可通过一个使用单个滤波器窗口中局部统计量的、呈指数衰减的圆周状对称的滤波器来减少斑点噪声。 如果您希望在减少斑点的同时保留雷达影像中的边，此滤波器将十分有用。 Kuan - 与 Lee 滤波器类似，此滤波器可对影像中的每个像素应用空间滤波器，并对基于在方形窗口中计算的局部统计量而产生的数据进行过滤。 如果您希望在减少斑点的同时保留雷达影像中的边，此滤波器将十分有用。 Gamma MAP - 将应用贝叶斯分析和 Gamma 分布滤波器来减少斑点噪声。 此过滤器可用于在保留边缘的同时减少斑点。 优化型 Lee - 将根据局部统计数据对选定像素应用空间过滤器，以减少斑点噪声。 此过滤器使用非方形滤波器窗口来匹配边缘的方向。 其可用于在保留边缘的同时减少斑点。
过滤器大小	指定用于过滤噪声的像素窗口的大小： 3x3 5x5 7x7 9x9 11x11 默认为 3x3。
噪声模型	指定用于减少雷达影像质量的噪声类型： 相乘噪声 - 捕获或传输过程中用于相乘为相关信号的随机信号噪声 相加噪声 - 捕获或传输过程中用于相加为相关信号的随机信号噪声 相加和相乘噪声 - 两种噪声模型 此参数只有在滤波器类型设置为 Lee 时才有效。 默认项为相乘噪声。
噪声方差	指定雷达影像的噪声方差。 此参数仅当滤波器类型设置为 Lee，且噪声模型设置为相加噪声或相加和相乘噪声时才有效。 默认值为 0.25。
相加噪声均值	指定相加噪声的均值。 噪声均值越大，平滑效果越差，而噪声均值越小，平滑效果越好。 此参数仅当滤波器类型设置为 Lee，且噪声模型设置为相加和相乘噪声时才有效。 默认值为 0。
相乘噪声均值	指定相乘噪声的均值。 噪声均值越大，平滑效果越差，而噪声均值越小，平滑效果越好。 此参数仅当滤波器类型设置为 Lee，且噪声模型设置为相乘噪声或相加和相乘噪声时才有效。 默认值为 1。
查看次数	指定影像的查看次数，而查看次数用于控制影像平滑和估算噪声方差。 较小的值会导致较多的平滑处理，而较大的值则会保留较多的影像要素。 此参数仅当滤波器类型设置为 Lee，且噪声模型设置为相乘噪声或滤波器类型设置为增强型 Lee、Kuan、Gamma MAP 时才有效。 默认值为 1。
阻尼系数	指定过滤的指数衰减程度。 较大的阻尼值保留边的效果较好但平滑效果较差，而较小的值可生成的平滑效果较好。 值 0 可生成与低通滤波器相同的输出。 此参数只有在滤波器类型设置为增强型 Lee 或 Frost 时才有效。 默认值为 1。

了解有关滤波器的详细信息

本部分包含有关某些滤波器的技术信息。

Lee 滤波器

Lee 滤波器通过在影像中对每个像素应用空间滤波器来减少斑点噪声，该空间滤波器对基于在方形窗口中计算的局部统计量而产生的数据进行过滤。 中心像素的值将替换为使用相邻像素计算的值。 通过 Lee 滤波器，您可以选择减少相加噪声和/或相乘噪声。 使用 Lee 滤波器对具有相加或相乘组件的斑点数据进行平滑处理。

Lee 滤波器算法

噪声模型	算法	变量定义
附加	过滤后的像素值 = LM + K * (PC - LM) 其中 K = LV / (LV + AV)	PC - 窗口的中心像素值 K - 加权函数 LM - 过滤器窗口的局部平均值 LV - 过滤器窗口的局部方差 M - 相乘噪声均值。 A - 相加噪声均值。 AV - 相加噪声方差。 MV - 相乘噪声方差。 SD - 过滤器窗口的标准差 NLooks - 查看次数。
相乘	过滤后的像素值 = LM + K * (PC - M * LM) 其中 K = M * LV / ((LM * LM * MV) + (M * M * LV)) MV = 1 / NLooks
相加和相乘	过滤后的像素值 = LM + K * (PC - M * LM - A) 其中 K = M * LV / ((LM * LM * MV) + (M * M * LV) + AV) MV = (SD / LM)^2

注：

相加噪声均值通常为 0。 相乘噪声均值通常为 1。

增强型 Lee 滤波器

增强型 Lee 滤波器是 Lee 滤波器的优化版本，可通过保留影像的清晰度和细节有效减少斑点噪声。 它需要阻尼系数值和查看次数值。 在保留纹理信息的同时，使用增强型 Lee 滤波器来减少斑点。

增强型 Lee 滤波器算法

算法	变量定义
过滤后的像素值取决于某些条件。 If CI <= CU then PF = LM If CU < CI < Cmax then PF = LM * K + PC * (1 - K) If CI >= Cmax then PF = PC 其中 CU = 1 / square root (NLooks) Cmax = square root (1 + 2 / NLooks) CI = SD / LM K = e^(- D (Ci - CU) / (Cmax - CI))	PF - 过滤后的像素值 PC - 窗口的中心像素值 LM - 过滤器窗口的局部平均值 SD - 过滤器窗口中的标准差 NLooks - 查看次数。 D - 阻尼系数 CU - 噪声变化系数 Cmax - 最大噪声变化系数 CI - 影像变化系数

Frost 滤波器

Frost 滤波器可减少斑点噪声，并通过一个使用单个滤波器窗口中的局部统计量的、呈指数衰减的圆周状对称的滤波器，来保留边缘上的重要影像要素。 Frost 滤波器需要阻尼系数。 在保留雷达影像中边的同时，使用 Frost 滤波器来减少斑点。

场景反射率是区分 Frost 滤波器与 Lee 和 Kuan 滤波器的重要因素。 它通过将观察到的图像与 SAR 系统的脉冲响应相结合来进行计算。

Frost 滤波器算法

算法	变量定义
实现此滤波器的过程包括使用每个像素的一组权重值 K 来定义呈圆周状对称的滤波器。 K = e ^(- D * (LV / LM * LM) * S) 已过滤像素的所生成灰度值为 (P1 * K1 + P2 * K2 + ... + Pn * Kn) / (K1 + K2 + ... + Kn)	S - 过滤器窗口中从中心像素到相邻像素的像素距离的绝对值 P1、P2、……Pn - 滤波器窗口中每个像素的灰度。 K1、K2、……Kn - 每个像素的权重（如上面所定义）。 D - 阻尼系数 LM - 过滤器窗口的局部平均值 LV - 过滤器窗口的局部方差

Kuan 滤波器

Kuan 滤波器在减少斑点噪声时，遵循与 Lee 滤波器相似的过滤过程。 此滤波器也为影像中的每个像素应用了空间滤波器，以根据使用相邻像素所计算得出的居中像素值的局部统计量过滤数据。 Kuan 滤波器需要用于控制影像平滑和估算噪声方差的查看次数值。 在保留雷达影像中边的同时，使用 Kuan 滤波器来减少斑点。

Kuan 滤波器算法

算法	变量定义
过滤后的像素值为 PC * K + LM * (1 - K) 其中 CU = 1 / square root (NLooks) CI = square root (LV) / LM K = (1 - ((CU * CU) / (CI * CI))) / (1 + (CU * CU))	PC - 窗口的中心像素值 K = 加权函数 CU = 噪声变化系数 CI = 影像变化系数 LM - 过滤器窗口的局部平均值 LV - 过滤器窗口的局部方差 NLooks - 查看次数。

Gamma MAP

Gamma MAP 滤波器使用最大后验 (MAP) 方法，这需要有关雷达图像概率密度函数的先验知识。 Gamma MAP 滤波器需要用于控制影像平滑和估算噪声方差的查看次数值。

算法	变量定义
过滤后的像素值取决于某些条件。 If CI < CU then PF = LM If CU <= CI <= Cmax then PF = (K–NLooks-1)*L^M+square root((LM*LM)*((K-NLooks-1)*(K- NLooks-1))+4*K*NLooks*LM) If CI > Cmax then PF = PC 其中 CU = 1 / square root (NLooks) Cmax = square root (2 * CU ) CI = SD / LM K = (1 + (CU * CU)) / ((CI * CI) - (CU * CU))	PF - 过滤后的像素值 CI - 影像变化系数 CU - 噪声变化系数 LM - 过滤器窗口的局部平均值 NLooks - 查看次数。 K - 加权函数 SD - 过滤器窗口的标准差

优化型 Lee

优化型 Lee 滤波器是 Lee 过滤器的优化版本，可在保留边缘锐度的同时减少边缘附近的斑点噪声。 它在恒定大小为 7x7 的窗口中应用边缘检测。 在该 7x7 窗口中，使用非方形窗口来匹配边缘的方向。 将使用非方形窗口中剩余的非边缘像素进行滤波计算。

算法	变量定义
过滤后的像素值为 LM + K * (PC – LM) 其中 K = ( LV - LM * LM * MV) / ((1 + MV)*LV) MV = (SD / LM)^2	LM - 过滤器窗口的局部平均值 K - 加权函数 PC - 窗口的中心像素值 LV - 过滤器窗口的局部方差 MV - 相乘噪声方差 SD - 过滤器窗口的标准差