Speckle

摘要

通过移除斑点并消除雷达数据集中的噪声，并在影像中保留边和尖锐要素来创建栅格对象。

说明

有关此函数工作原理的更多信息，请参见斑点栅格函数。

栅格对象所引用的栅格数据集是临时性的。 要将其设置为永久，可以调用栅格对象的 save 方法。

语法

Speckle (raster, {filter_type}, {filter_size}, {noise_model}, {noise_var}, {additive_noise_mean}, {multiplicative_noise_mean}, {nlooks}, {damp_factor})

参数	说明	数据类型
raster	The input raster.	Raster
filter_type	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。 EnhancedLee—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。它需要设置 damp_factor 和 nlooks 参数。 Frost—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，来保留边上的重要影像要素。Frost 滤波器需要设置 damp_factor 参数。 Kaun—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 滤波器需要设置 nlooks 参数，此参数用于控制影像平滑和估算噪声方差。 (默认值为 Lee)	String
filter_size	滤波器窗口的大小（以像素为单位）。 3x3—3 × 3 滤波器大小。 5x5—5 × 5 滤波器大小。 7x7—7 × 7 滤波器大小。 9x9—9 × 9 滤波器大小。 11x11—11 × 11 滤波器大小。 (默认值为 3x3)	String
noise_model	指定用于减少雷达影像质量的噪声类型。此参数仅在 filter_type 参数设置为 Lee 时有效。 Multiplicative—捕获或传输过程中用于相乘为相关信号的随机信号噪声。 Additive—捕获或传输过程中用于相加为相关信号的随机信号噪声。 AdditiveAndMultiplicative—两种噪声模型的组合。 (默认值为 Multiplicative)	String
noise_var	指定雷达影像的噪声方差。 仅当 filter_type 参数设置为 Lee 且 noise_model 参数设置为 Additive 或 AdditiveAndMultiplicative 时，此参数有效。 (默认值为 None)	Double
additive_noise_mean	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。 仅当 filter_type 参数设置为 Lee 且 noise_model 参数设置为 Additive 或 AdditiveAndMultiplicative 时，此参数有效。 (默认值为 None)	Double
multiplicative_noise_mean	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。 仅当 filter_type 参数设置为 Lee 且 noise_model 参数设置为 Additive 或 AdditiveAndMultiplicative 时，此参数有效。 (默认值为 1)	Double
nlooks	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。 仅当 filter_type 参数设置为 Lee 且 noise_model 参数设置为 Multiplicative，或 filter_type 参数设置为 Kaun 时，此参数有效。 (默认值为 1)	Integer
damp_factor	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。 此参数仅在 filter_type 参数设置为 EnhancedLee 或 Frost 时有效。 (默认值为 None)	Double

返回值

数据类型	说明
Raster	输出栅格。

代码示例

斑点示例

将 Lee 滤镜应用于 Sentinel 1 雷达影像。

import arcpy

out_speckle_raster = arcpy.sa.Speckle("Sentinel_1.tif", filter_type="Lee", filter_size="3x3",
                                              noise_model="AdditiveAndMultiplicative", noise_var=0.25,
                                              additive_noise_mean=0, multiplicative_noise_mean=1)