Fonction de granularité

Aperçu

La fonction de granularité supprime la granularité des jeux de données radar et lisse le bruit, tout en préservant les tronçons et les entités tranchantes dans l’image. La granularité est le bruit haute fréquence présent dans les images radar. Les images générées par les systèmes de laser, d’ultrason et de radar d’ouverture synthétique (SAR, Synthetic Aperture Radar) sont susceptibles de présenter une granularité en raison de l’interférence des ondes électromagnétiques renvoyées par plusieurs surfaces. La fonction de granularité utilise des modèles mathématiques pour filtrer les points clairs et sombres qui sont générés à la suite d’une interférence, ceci afin d’améliorer l’interprétation d’image.

Remarques

Les algorithmes de lissage dans la fonction de granularité réduisent et filtrent la granularité à l’aide des types de filtre Lee, Lee amélioré, Givre ou Kuan.

Pour une réduction optimale de la granularité, vous pouvez essayer les solutions suivantes :

• Filter Size (Taille de filtre) a une incidence considérable sur la qualité des images traitées. Un filtre de 7 sur 7 donne généralement de bons résultats avec un lissage modéré.
• Number of Looks (Nombre de vues) permet d’estimer la variance de bruit et contrôle efficacement le degré de lissage appliqué à l’image par le filtre. Une valeur plus petite entraîne un plus grand lissage, une valeur plus élevée préserve une plus grande netteté des images.
• Appliquez un étirement d’histogramme pour ajuster le contraste et la luminosité de l’image.

Filtre Lee

Le filtre Lee réduit la granularité en appliquant un filtre spatial à chaque pixel d’une image, ce qui filtre les données en fonction des statistiques locales calculées dans une fenêtre carrée. La valeur du pixel central est remplacée par une valeur calculée à l’aide des pixels voisins. Avec le filtre Lee, vous pouvez réduire le bruit additif, le bruit multiplicatif, ou les deux. Utilisez le filtre Lee pour lisser les données granuleuses qui comportent un composant additif ou multiplicatif.

Algorithmes du filtre Lee

Modèle de bruit	Algorithme	Définitions des variables
Additif	Value of filtered pixel = LM + K * (PC - LM) where K (fonction de pondération) = LV / (LV + AV)	PC : valeur du pixel central de la fenêtre LM : moyenne locale de la fenêtre de filtre LV : variance locale de la fenêtre de filtre M : Multiplicative Noise Mean (Moyenne de bruit multiplicatif) A : Additive Noise Mean (Moyenne de bruit additif) AV : variance de bruit additif MV : variance de bruit multiplicatif SD : écart type de la fenêtre de filtre NLooks : Number of Looks (Nombre de vues)
Multiplicatif	Value of filtered pixel = LM + K * (PC - M * LM) where K (fonction de pondération) = M * LV / ((LM * LM * MV) + (M * M * LV)) MV = 1 / NLooks
Additif et multiplicatif	Value of filtered pixel = LM+ K * (PC - M * LM - A) where K (fonction de pondération) = M * LV / ((LM* LM * MV) + (M * M * LV) + AV) MV = (SD / LM)^2

Remarque :

La valeur Additive Noise Mean (Moyenne de bruit additif) est généralement égale à 0. La valeur Multiplicatif Noise Mean (Moyenne de bruit multiplicatif) est généralement égale à 1.

Filtre Lee amélioré

Le filtre Lee amélioré est une version affinée du filtre Lee, qui réduit efficacement la granularité en préservant la netteté et les détails des images. Il requiert les paramètres Damping Factor (Facteur d’humidité) et Number of Looks (Nombre de vues). Utilisez le filtre Lee amélioré pour réduire la granularité tout en préservant les informations de texture.

Algorithme du filtre Lee amélioré 

Algorithme	Définitions des variables
Valeur du pixel central lissé = LM for CI <= CU LM * K + PC * (1 - K) for CU < CI < Cmax PC for CI >= Cmax where CU = 1 / racine carrée (NLooks) (Coefficient de variation du bruit) Cmax = racine carrée (1 + 2 / NLooks) (Coefficient de variation du bruit maximal) CI = SD / LM(Coefficient de variation d’image) K = e^(- D (Ci - CU) / (Cmax - CI))	PC : valeur du pixel central de la fenêtre LM : moyenne locale de la fenêtre de filtre SD : écart type dans la fenêtre de filtre NLooks : Number of Looks (Nombre de vues) D : Damping Factor (Facteur d’humidité)

Filtre de givre

Le filtre de givre réduit la granularité et préserve les entités d’images importantes aux tronçons à l’aide d’un filtre symétrique circulaire d’humidité exponentielle qui utilise des statistiques locales dans les fenêtres de chaque filtre. Le filtre de givre requiert le paramètre Damping Factor (Facteur d’humidité). Utilisez le filtre de givre pour réduire la granularité tout en préservant les tronçons dans les images radar.

La réflectivité de la scène est un facteur important qui différencie le filtre de givre des filtres Lee et Kuan. Elle est calculée en associant l’image observée à la réponse d’impulsion du système SAR.

Algorithme du filtre de givre

Algorithme	Définitions des variables
L’implémentation de ce filtre consiste à définir un filtre symétrique circulaire avec un jeu de valeurs de pondération M pour chaque pixel. K = e ^(- B * S) La valeur de niveau de gris obtenue du pixel filtré est R = (P1 * K1 + P2 * K2 + ... + Pn * Kn) / (K1 + K2 + ... + Kn) where B = D * (LV / LM * LM)	S : valeur absolue de la distance en pixels à partir du pixel central vers ses voisins dans la fenêtre de filtre D : Damping Factor (Facteur d’humidité) LM : moyenne locale de la fenêtre de filtre LV : variance locale de la fenêtre de filtre P1,P2,...Pn : niveaux de gris de chaque pixel dans la fenêtre de filtre K1,K2,...Kn : pondérations (comme défini ci-dessus) de chaque pixel

Filtre Kuan

Le filtre Kuan suit un processus de filtrage similaire au filtre Lee pour réduire la granularité. Ce filtre applique également un filtre spatial à chaque pixel d’une image, ce qui a pour effet de filtre les données en fonction des statistiques locales de la valeur du pixel centré, qui est calculée à l’aide des pixels voisins. Le filtre Kuan requiert le paramètre Number of Looks (Nombre de vues), qui contrôle le lissage des images et estime la variance de bruit. Utilisez le filtre Kuan pour réduire la granularité tout en préservant les tronçons dans les images radar.

Algorithme du filtre Kuan

Algorithme	Définitions des variables
La valeur du pixel filtré est R = PC * K + LM * (1 - K) where CU = 1 / racine carrée (NLooks) (Coefficient de variation du bruit) Cmax = racine carré (LV) / LM (Coefficient de variation d’image) K = (1 - ((CU * CU) / (CI * CI))) / (1 + (CU * CU))	PC : valeur du pixel central de la fenêtre LM : moyenne locale de la fenêtre de filtre LV : variance locale de la fenêtre de filtre NLooks : Number of Looks (Nombre de vues)

Paramètres

Paramètre	Description
Raster en entrée	Raster en entrée.
Filter Type (Type de filtre)	Spécifie le type de filtre à utiliser dans l’algorithme de lissage en vue de supprimer la granularité : Lee Filter (Filtre Lee) : réduit la granularité en appliquant un filtre spatial à chaque pixel d’une image, ce qui filtre les données en fonction des statistiques locales calculées dans une fenêtre carrée. Ce filtre est utile pour lisser les données granuleuses qui comportent un composant additif et/ou multiplicatif. Il s’agit de l’option par défaut. Enhanced Lee Filter (Filtre Lee amélioré) : version adaptée du filtre Lee qui inclut les paramètres Damping Factor (Facteur d’humidité) et Number of Looks (Nombre de vues). Ce filtre est utile pour réduire la granularité tout en préservant les informations de texture. Frost Filter (Filtre de givre) : réduit la granularité à l’aide d’un filtre symétrique circulaire d’humidité exponentielle qui utilise des statistiques locales dans les fenêtres de chaque filtre. Ce filtre est utile pour réduire la granularité tout en préservant les tronçons dans les images radar. Kuan Filter (Filtre Kuan) : similaire au filtre Lee, ce filtre applique un filtre spatial à chaque pixel d’une image et filtre les données en fonction des statistiques locales calculées dans une fenêtre carrée. Ce filtre est utile pour réduire la granularité tout en préservant les tronçons dans les images radar.
Filter Size (Taille de filtre)	Spécifie la taille de la fenêtre de pixel utilisée pour filtrer le bruit : 3x3 5x5 7x7 9x9 11x11 La valeur par défaut est 3x3.
Noise Model (Modèle de bruit)	Spécifie le type de bruit qui réduit la qualité de l’image radar : Multiplicative Noise (Bruit multiplicatif) : bruit de signal aléatoire qui est multiplié dans le signal pertinent au cours d’une capture ou transmission Additive Noise (Bruit additif) : bruit de signal aléatoire qui est ajouté au signal pertinent au cours de la capture ou de la transmission Additive and Multiplicative Noise (Bruit additif et multiplicatif) : les deux modèles de bruit Ce paramètre est uniquement valide si l’option Filter Type (Type de filtre) est définie sur Lee Filter (Filtre Lee). La valeur par défaut est Multiplicative Noise (Bruit multiplicatif).
Noise Variance (Variance de bruit)	Spécifie la variance de bruit de l’image radar. Ce paramètre est uniquement valide si l’option Filter Type (Type de filtre) est définie sur Lee Filter (Filtre Lee) et que l’option Noise Model (Modèle de bruit) est définie sur Additive Noise (Bruit additif) ou Additive and Multiplicative Noise (Bruit additif et multiplicatif). La valeur par défaut est 0,25.
Additive Noise Mean (Moyenne de bruit additif)	Spécifie la valeur moyenne du bruit additif. Une valeur de moyenne de bruit plus élevée produit un lissage moindre, tandis qu’une valeur plus petite génère un lissage plus important. Ce paramètre est uniquement valide si l’option Filter Type (Type de filtre) est définie sur Lee Filter (Filtre Lee) et que l’option Noise Model (Modèle de bruit) est définie sur Additive Noise (Bruit additif) ou Additive and Multiplicative Noise (Bruit additif et multiplicatif). La valeur par défaut est 0.
Multiplicative Noise Mean (Moyenne de bruit multiplicatif)	Spécifie la valeur moyenne du bruit multiplicatif. Une valeur de moyenne de bruit plus élevée produit un lissage moindre, tandis qu’une valeur plus petite génère un lissage plus important. Ce paramètre est uniquement valide si l’option Filter Type (Type de filtre) est définie sur Lee Filter (Filtre Lee) et que l’option Noise Model (Modèle de bruit) est définie sur Additive Noise (Bruit additif) ou Additive and Multiplicative Noise (Bruit additif et multiplicatif). La valeur par défaut est 1.
Number of Looks (Nombre de vues)	Spécifie le nombre de vues de l’image, ce qui contrôle le lissage des images et estime la variance de bruit. Une valeur plus petite produit un plus grand lissage, tandis qu’une valeur plus élevée conserve davantage d’entités d’images. Ce paramètre est uniquement valide si l’option Filter Type (Type de filtre) est définie sur Lee Filter (Filtre Lee) et que l’option Noise Model (Modèle de bruit) est définie sur Multiplicative Noise (Bruit multiplicatif) ou si l’option Filter Type (Type de filtre) est définie sur Kuan Filter (Filtre Kuan). La valeur par défaut est 1.
Damping Factor (Facteur d’humidité)	Spécifie l’étendue de l’effet d’humidité exponentielle sur le filtrage. Une valeur d’humidité plus élevée préserve mieux les tronçons mais génère un lissage moindre, tandis qu’une valeur moins élevée produit un plus grand lissage. La valeur 0 produit le même résultat qu'un filtre passe-bas. Ce paramètre est valide uniquement si l’option Filter Type (Type de filtre) est définie sur Enhanced Lee Filter (Filtre Lee amélioré) ou Frost Filter (Filtre de givre). La valeur par défaut est 1.