Speckle-Funktion

Speckle ist das Hochfrequenzrauschen auf Radardaten. Die von SAR-Systemen (Synthetic Aperture Radar) generierten Bilder sind aufgrund der Verarbeitung zerstreuter Signale und Interferenzen elektromagnetischer Wellen, die von Oberflächen oder Objekten verteilt werden, in höchstem Maße Speckling-Effekten unterworfen. Diese Speckle-Funktion filtert das +++speckled Radar-Dataset und glättet das Rauschen beim Beibehalten der Kanten oder scharfer Features im Bild.

Die Glättungsalgorithmen in dieser Funktion entfernen die Flecken auf Grundlage eines Rauschmodells effektiv. Die in dieser Funktion verwendeten Fleckenverkleinerungsfiltertechniken sind:

• +++Lee
• +++Enhanced Lee
• +++Frost
• +++Kuan

Diese Filter der +++Speckle-Funktion behalten die Kanten und die Details beim Reduzieren von Rauschflecken im Bild bei. Alle diese Filter verfügen über Parameter, die Sie anpassen können, um die Ergebnisse zu optimieren.

Die wichtigsten Eingaben für die Speckle-Funktion sind Folgende:

• Eingabe-Raster
• Filtertyp – +++Lee, +++Enhanced Lee, +++Frost und +++Kuan
• Filtergröße – 3 x 3, 5 x 5, 7 x 7, 9 x 9, 11 x 11

Lee

Der Filter +++Lee reduziert Rauschflecken, indem ein räumlicher Filter auf jedes Pixel in einem Bild angewendet wird, das die Daten auf Grundlage von lokalen Statistiken filtert, die innerhalb eines quadratischen Fensters berechnet werden. Der Wert des mittleren Pixels wird durch einen Wert ersetzt, der mit den benachbarten Pixeln berechnet wurde.

Eingaben

Der Filter +++Lee wird abhängig von den folgenden drei Rauschmodellen angewendet, die vom Eingabe-Raster gezeigt werden:

• Additiv
• Multiplikation
• +++Additive und +++Multiplicative

Im Grunde haben +++speckles dieselbe Natur wie +++multiplikatives Rauschen.

Die folgenden Eingaben hängen vom ausgewählten Rauschmodell ab:

Rauschmodell	Parameter	Beschreibung	Standardwert
Additiv	Rauschvarianz	Dies ist die Rauschvarianz des Bilds bei +++additivem Rauschen sowie +++additivem und multiplikativem Rauschen.	0.25
Multiplikativ (Standard)	Mittelwert +++multiplikatives Rauschen	Mittelwert des multiplikativen Rauschens	1
	+++Number of Looks	Legt die Anzahl der verschiedenen Darstellungen des Bildes fest. Dies wird verwendet, um die Rauschvarianz bei multiplikativem Rauschen zu berechnen.	1
+++Additive und +++Multiplicative	Rauschvarianz	Dies ist die Rauschvarianz des Bildes bei +++additivem Rauschen sowie +++additivem und multiplikativem Rauschen.	0.25
	Mittelwert +++additive Rauschen	Mittelwert des additiven Rauschens	0
	Mittelwert +++multiplikatives Rauschen	Mittelwert des multiplikativen Rauschens	1

Rauschmodelle für den +++Lee-Filter

Hinweis:

+++Additive Rauschmitte beträgt normalerweise 0. +++Multiplikative Rauschmitte beträgt normalerweise 1.

Algorithmen

Die in der Implementierung des +++Lee-Filters verwendeten Algorithmen sind Folgende:

Rauschmodell	Algorithmus
Additiv	Wert der gefilterten Pixel = LM + K * (PC - LM) wobei K (Gewichtungsfunktion) = LV / (LV + AV)
+++Multiplikativ	Wert der gefilterten Pixel = LM + K * (PC - M * LM) wobei K (Gewichtungsfunktion) = M * LV / (LM * LM * MV) + (M * M * LV)) wobei MV = 1/NLooks
+++Additive und +++Multiplicative	Wert der gefilterten Pixel = LM + K * (PC - M * LM - A) wobei K (Gewichtungsfunktion) = M * LV / (LM * LM * MV) + (M * M * LV) + AV) wobei MV = (SD / LM)^2

Rauschmodellalgorithmen des +++Lee-Filters

wobei

P_C – Mittlerer Pixelwert des Fensters

L_M – Lokaler Mittelwert des Filterfensters

L_V – Lokale Varianz des Filterfensters

M – +++Multiplikative Rauschmitte (Eingabeparameter)

A – +++Additive Rauschmitte (Eingabeparameter)

AV – +++Additive Rauschvarianz (Eingabeparameter)

MV – +++Multiplikative Rauschvarianz (Eingabeparameter)

SD – Standardabweichung des Filterfensters

NLooks – +++Number of looks (Eingabeparameter)

+++Enhanced Lee

Der +++Enhanced Lee-Filter ist eine geänderte Version des +++Lee-Filters, mit dem +++speckle noise effektiv durch das Beibehalten von Bildschärfe und Detail reduziert wird. Dafür sind ein Dämpfungsfaktor und eine +++number of looks erforderlich.

Der Parameter +++Number of Looks steuert Bildglättung und schätzt die Rauschvarianz. Je kleiner der Wert ist, desto besser der Glättungseffekt und die Filterperformance. Ein größerer Wert behält mehr Bild-Features bei.

Der Dämpfungsfaktorwert definiert die Ausdehnung der exponentiellen Dämpfung. Ein größerer Wert führt zu einer höheren Glättungsfähigkeit.

Eingaben

Die Eingaben für den +++Enhanced Lee-Filter sind Folgende:

Parameter	Beschreibung	Standardwert
+++Number of Looks	Legt die Anzahl der verschiedenen Darstellungen des Bildes fest	1
Dämpfungsfaktor	Gibt den Dämpfungsfaktor an, der die Ausdehnung der Glättung definiert.	1.0

+++Enhanced Lee-Filtereingaben

Algorithmus

Der in der Implementierung des +++Enhanced Lee-Filters verwendete Algorithmus ist Folgender:

Wert des geglätteten mittleren Pixels:

L_M für C_I <= C_U

L_M * K + P_C * (1 - K) für C_U < C_I < C-_max

P_C für C_I >= C_max

wobei

P_C – Mittlerer Pixelwert des Fensters

L_M – Lokaler Mittelwert des Filterfensters

SD – Standardabweichung des Filterfensters

NLooks – +++Number of looks (Eingabeparameter)

D – Dämpfungsfaktor (Eingabeparameter)

C_U = 1/Quadratwurzel (NLooks) (Rauschvariationskoeffizient)

C_max = Quadratwurzel (1 + 2/NLooks) (Maximaler Rauschvariationskoeffizient)

C_I = SD / L_M(Bildvariationskoeffizient)

K = e^{(- D (C_i - C_U) / (C_max - C_I))}

+++Frost

Der Frostfilter reduziert +++Fleckrauschen und behält wichtige Bild-Features an den Kanten bei, wobei ein exponentiell gedämpfter, kreisförmiger, symmetrischer Filter angewendet wird, der lokale Statistiken innerhalb einzelner Filterfenster verwendet.

Szenenreflexion ist ein wichtiger Faktor, der den +++Frost-Filter vom +++Lee- und +++Kuan-Filter unterscheidet. Diese wird durch das Kombinieren des beobachteten Bildes mit der Impulsantwort des SAR-Systems berechnet.

Für den +++Frost-Filter ist ein Dämpfungsfaktor erforderlich. Der Dämpfungsfaktorwert definiert die Ausdehnung der exponentiellen Dämpfung. Je kleiner der Wert ist, desto besser der Glättungseffekt und die Filterperformance.

Nach der Anwendung des +++Frost-Filters weisen die +++denoised Bilder eine bessere Schärfe an den Kanten auf.

Eingabe

Die Eingabe für den +++Frost-Filter lautet wie folgt:

Parameter	Beschreibung	Standardwert
Dämpfungsfaktor	Gibt den Dämpfungsfaktor an, der die Ausdehnung der Glättung definiert	1.0

Eingabe +++Frost-Filter

Algorithmus

Die Implementierung dieses Filters besteht darin, einen kreisförmig symmetrischen Filter mit einem Satz Gewichtungswerten M für jedes Pixel zu definieren. Der in der Implementierung des +++Frost-Filters verwendete Algorithmus lautet wie folgt:

K = e ^{(- B * S)}

wobei

B = D * (L_V / L_M * L_M)

S – Absoluter Wert der Pixelentfernung vom mittleren Pixel zu seinen Nachbarn im Filterfenster

D – Exponentieller Dämpfungsfaktor (Eingabeparameter)

L_M – Lokaler Mittelwert des Filterfensters

L_V – Lokale Varianz des Filterfensters

Der sich ergebende Grauwert des gefilterten Pixels ist

R = (P1 * K1 + P2 * K2 + ... + Pn * Kn) / (K1 + K2 + ... + Kn)

wobei

P1,P2,...Pn Graustufen jedes Pixels im Filterfensters sind

K1,K2,...Kn Gewichtungen (wie oben definiert) für jedes Pixel sind

+++Kuan

Der +++Kuan-Filter folgt einem ähnlichen Filterprozess wie der +++Lee-Filter beim Reduzieren des +++Fleckrauschens. Dieser Filter wendet auch einen räumlichen Filter in einem Bild an, wobei die Daten basierend auf lokalen Statistiken des zentrierten Pixelwerts basieren, der mit den benachbarten Pixeln berechnet wird.

Der Parameter +++Number of Looks steuert Bildglättung und schätzt die Rauschvarianz; diese Schätzungen werden auf verschiedene Weise zum Steuern des Filterprozesses verwendet. Je kleiner der Wert ist, desto besser der Glättungseffekt und die Filterperformance. Ein größerer Wert behält mehr Bild-Features bei.

Eingaben

Die Eingabe für den +++Kuan-Filter lautet wie folgt:

Parameter	Beschreibung	Standardwert
+++Number of Looks	Legt die Anzahl der verschiedenen Darstellungen des Bildes fest	1

+++Kuan-Filtereingabe

Algorithmus

Der in der Implementierung des +++Kuan-Filters verwendete Algorithmus lautet wie folgt:

Der sich ergebende gefilterte Pixelwert ist:

R = P_C * K + L_M * (1 - K)

wobei

C_U = 1/Quadratwurzel (NLooks) – Rauschvariationskoeffizient

C_I = Quadratwurzel (L_V) / L_M – Bildvariationskoeffizient

K = (1 - ((C_U * C_U) / (C_I * C_I))) / (1 + (C_U * C_U))

P_C – Mittlerer Pixelwert des Fensters

L_M – Lokaler Mittelwert des Filterfensters

L_V – Lokale Varianz des Filterfensters

NLooks – +++Number of Looks

Für optimale +++speckle reduction können Sie Folgendes probieren: Anderer Filtergrößen wirken sich auf die Qualität der verarbeiteten Bilder aus. Ein 7 x 7-Filter führt in der Regel zu den besten Ergebnissen. Die +++number of looks wird verwendet, um Rauschvarianz zu schätzen. Außerdem steuert sie die Menge an Glättung, die vom Filter auf das Bild angewendet wird, effektiv. Ein kleinerer Wert für +++Number of Looks führt zu mehr Glättung; ein größerer Wert für +++Number of Looks behält mehr Bild-Features bei.

Wenden Sie für ein optimales Ergebnis eine Histogrammstreckung an, um den Kontrast oder die Helligkeit des Bildes anzupassen und Features hervorzuheben.