Redukcja efektu plamkowania na obrazach radarowych z wykorzystaniem propagacyjno-separacyjnego algorytmu metody największej wiarygodności Despeckling of synthetic aperture radar images using propagation-separation approach for local likelihood
Redukcja szumów na obrazach jest istotnym etapem wstępnego przetwarzania
danych. Zagadnienie redukcji szumów było wielokrotnie poruszane w licznych publikacjach
naukowych. Przygotowanie danych przed wykonaniem właściwych analiz jest szczególnie ważne
w przypadku obrazów radarowych, charakteryzujących się specyficznym szumem (tzw. speckle
effect), który jest główną przeszkodą w interpretacji i klasyfikacji obrazów radarowych.
Do redukcji tego typu szumów zaproponowano w pracy, opublikowaną w roku 2006 przez J.
Polzehl i V. Spokoiny, nieparametryczną metodę opartą na stałym, lokalnym wygładzaniu
z adaptacyjnym wyborem wag dla każdej pary punktów na obrazie (Adaptive Weights Smoothing –
AWS). Algorytm AWS nie został do tej pory szczegółowo sprawdzony na obrazach radarowych.
Zaproponowana metodyka stosowania algorytmu AWS polega na scaleniu w końcowy wynik
przetworzenia trzech obrazów: obrazu oryginalnego i dwóch obrazów stanowiących rezultat
działania algorytmu. Do badań wykorzystano zobrazowania wysokorozdzielczego satelity
TerraSAR-X, testując rezultaty proponowanego podejścia na obrazach radarowych pozyskanych
w różnych trybach, o różnej rozdzielczości i przedstawiających teren o różnym zagospodarowaniu
(pola uprawne, obszar miejski). Rezultaty działania badanego algorytmu porównano z wynikami
redukcji efektu plamkowania przy użyciu popularnych filtrów adaptacyjnych (filtru Lee i filtru
Frost). Otrzymane wyniki potwierdzają przydatność algorytmu AWS jako efektywnego narzędzia
redukującego charakterystyczne szumy radarowe.
Solving the problem of image smoothing is regarded as an essential stage in preparing digital
images for further processing. It was tackled by a number of studies. The presence of speckle noise
in SAR images is the major obstacle in interpreting, classifying, and analyzing SAR images. The
main problem in many remote sensing applications is the extraction and interpretation of
information about the objects which are present on SAR images. This makes the speckle noise
reduction a very important task. The reduction of speckles was performed by applying the
nonparametric method, described by J. Polsehl and V. Spokoiny in 2006; the method is based on
locally constant smoothing with an adaptive choice for every pair of data points (Adaptive
Weights Smoothing – AWS). The AWS algorithm has never been tested in detail on SAR data.
This paper describes the methodology of using the AWS algorithm by integrating three images:
one original image and two images determining the result of the algorithm processed. The
performance of the proposed method was tested on high-resolution X-band synthetic aperture
radar TerraSAR-X images and was compared with popular adaptive filters (Lee, Frost). The
method presented was tested on two samples extracted from images captured in different imaging
modes, with different geometric resolution and showing various land use and land cover. The
results confirm the utility of the propagation-separation approach for radar image smoothing.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00