AULA 6 – Processamento de Imagens de Radar
INPE / DPI - http://www.dpi.inpe.br/spring - spring@dpi.inpe.br
1
Aula 6 - Processamento de Imagens de Radar
1. Eliminação de Ruído Speckle
A qualidade radiométrica do dado SAR é afetada por fatores inerentes ao
instrumento, bem como à geometria de iluminação. As duas principais causas de
distorções radiométricas que prejudicam a interpretação das imagens de radar
são: o ruído "speckle" e o efeito do padrão da antena.
O ruído Speckle é um dos principais fatores que degradam a qualidade das
imagens SAR. O Speckle é um ruído multiplicativo que é proporcional à
intensidade do sinal recebido. O efeito visual deste ruído proporciona uma
textura granulosa que pode dificultar a interpretação das imagens de radar,
reduzindo a separabilidade entre classes de uso do solo, tipos litológicos etc.
Existem dois métodos para se diminuir o ruído Speckle: a filtragem e o
processamento “multi-look”. Os filtros devem manter o valor médio do retorno
do radar (backscatter), preservar as bordas presentes na imagem e as
informações de textura.
Filtros de Ruído Speckle
Filtro de Frost [Frost-1982]: é um filtro convolucional linear, derivado da
minimização do erro médio quadrático sobre o modelo multiplicativo do ruído.
Neste filtro incorpora-se a dependência estatística do sinal original, uma vez que
se supõe uma função de correlação espacial exponencial entre pixels. É um filtro
adaptativo que preserva a estrutura de bordas.
Filtro de Lee [Lee-1981]: adota um modelo multiplicativo para o ruído e
obedece ao critério de “local linear minimum mean square error”. Local,
porque utiliza estatísticas locais do pixel a ser filtrado, admitindo a não
estacionaridade da média e da variância do sinal. É um filtro linear porque
realiza uma linearização por expansão em série de Taylor da multiplicação do
sinal e o ruído em torno da média, utilizando apenas os termos lineares. O
resultado da linearização transforma o modelo multiplicativo do ruído em
aditivo, ou seja, o ruído e o sinal tornam-se independentes; e, finalmente,
“minimum mean square error”, porque minimiza o erro médio quadrático
através do filtro de Wiener (filtro baseado no critério de mínimo erro médio
quadrático). O filtro de Lee é um filtro adaptativo e geral.
Filtro de Kuan/Nathan [Kuan et al.-1982]: adota o modelo multiplicativo. O
procedimento é semelhante àquele de Lee, onde a estimação ponto a ponto é
feita utilizando-se o filtro de Wiener. A diferença entre eles, entretanto, consiste
no fato de que no filtro de Kuan/Nathan não se realiza nenhuma aproximação. É
também um filtro adaptativo e geral.
⇒ Eliminação de Ruído Speckle:
- # Iniciar – Programas – Spring <versão><Idioma> - Spring
<versão><Idioma>
