去斑 (Image Analyst)

获得 Image Analyst 许可后可用。

摘要

针对噪声校正输入合成孔径雷达 (SAR) 数据,噪声是连贯照明的结果,类似于颗粒状或椒盐效应。

该工具可滤除噪声,同时保留 SAR 图像中的边和清晰要素。 可用的过滤器有 Lee、Enhanced Lee、Refined Lee、Frost、Kuan 和 Gamma MAP。

使用情况

  • 去斑 SAR 图像改善了图像分辨率和分类结果。

  • 该工具不支持将地理数据库用作输出位置。

参数

标注说明数据类型
输入雷达数据

输入雷达数据。

Raster Dataset; Raster Layer
输出雷达数据

去斑雷达数据。

Raster Dataset
极化波段
(可选)

将过滤的极化波段。

默认情况下,第一个波段处于选中状态。

String
过滤器类型
(可选)

指定将应用的平滑算法或滤波器类型。

  • Lee空间滤波器将应用于图像中的每个像素以减少散斑噪声。 此选项对基于在方形窗口中计算的局部统计量的数据进行过滤。 对具有相加或相乘组件的斑点数据进行平滑处理时,此滤波器将非常有用。
  • 增强型 Lee将应用保留图像清晰度和细节的空间滤波器来减少散斑噪声。 此选项是 Lee 滤波器的增强版本。 如需在减少斑点的同时保留纹理信息,此滤波器将十分有用。
  • 优化型 Lee空间滤波器将根据局部统计数据应用于所选像素,以减少散斑噪声。 此滤波器使用非方形滤波器窗口来匹配边缘的方向。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。 这是默认设置。
  • Frost将应用一个使用单个滤波器窗口中局部统计量的、呈指数衰减的圆周状对称的滤波器来减少斑点噪声。 这不会影响边缘的图像要素。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。
  • Kuan空间滤波器将应用于图像中的每个像素以减少散斑噪声。 此滤波器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。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。
  • Gamma MAP将应用贝叶斯分析和 Gamma 分布滤波器来减少散斑噪声。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。
String
滤波器大小
(可选)

指定将用于过滤噪声的像素窗口的大小。

此参数只有在滤波器类型参数设置为 Lee增强型 LeeFrostKuanGamma MAP 时才有效。

  • 3 x 3将使用 3 x 3 滤波器大小。 这是默认设置。
  • 5 x 5将使用 5 x 5 滤波器大小。
  • 7 x 7将使用 7 x 7 滤波器大小。
  • 9 x 9将使用 9 x 9 滤波器大小。
  • 11 x 11将使用 11 x 11 滤波器大小。
String
噪声模型
(可选)

指定用于减少雷达影像质量的噪声类型。

此参数只有在滤波器类型参数设置为 Lee 时才有效。

  • 相乘噪声将降低在捕获或传输过程中用于相乘为相关信号的随机信号噪声的质量。 这是默认设置。
  • 相加噪声将降低在捕获或传输过程中用于相加为相关信号的随机信号噪声的质量。
  • 相加和相乘噪声将降低两种噪声模型组合的质量。
String
噪声方差
(可选)

雷达影像的噪声方差。 默认值为 0.25。

此参数只有在滤波器类型参数设置为 Lee,且噪声模型参数设置为相加噪声相加和相乘噪声时才有效。

Double
相加噪声均值
(可选)

相加噪声的平均值。 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。 默认值为 0。

此参数只有在滤波器类型参数设置为 Lee,且噪声模型参数设置为相加噪声相加和相乘噪声时才有效。

Double
相乘噪声均值
(可选)

相乘噪声的平均值。 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。 默认值为 1。

此参数只有在滤波器类型参数设置为 Lee,且噪声模型参数设置为相乘噪声相加和相乘噪声时才有效。

Double
视数
(可选)

影像的视数,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。 默认值为 1。

此参数只有在滤波器类型参数设置为增强型 LeeKuanGamma MAP,或滤波器类型参数设置为 Lee噪声模型参数设置为相乘噪声时才有效。

Long
阻尼系数
(可选)

将应用的平滑指数衰减等级。 阻尼值大于 1 时,可以更好的保留边缘,但平滑效果交差。 值小于 1 时,平滑度更高。 值等于 0 的效果与低通滤波器相似。 默认值为 1。

Long

Despeckle(in_radar_data, out_radar_data, {polarization_bands}, {filter_type}, {filter_size}, {noise_model}, {noise_variance}, {add_noise_mean}, {mult_noise_mean}, {number_of_looks}, {damp_factor})
名称说明数据类型
in_radar_data

输入雷达数据。

Raster Dataset; Raster Layer
out_radar_data

去斑雷达数据。

Raster Dataset
polarization_bands
[polarization_bands,...]
(可选)

将过滤的极化波段。

默认情况下,第一个波段处于选中状态。

String
filter_type
(可选)

指定将应用的平滑算法或滤波器类型。

  • LEE空间滤波器将应用于图像中的每个像素以减少散斑噪声。 此选项对基于在方形窗口中计算的局部统计量的数据进行过滤。 对具有相加或相乘组件的斑点数据进行平滑处理时,此滤波器将非常有用。
  • ENHANCED_LEE将应用保留图像清晰度和细节的空间滤波器来减少散斑噪声。 此选项是 Lee 滤波器的增强版本。 如需在减少斑点的同时保留纹理信息,此滤波器将十分有用。
  • REFINED_LEE空间滤波器将根据局部统计数据应用于所选像素,以减少散斑噪声。 此滤波器使用非方形滤波器窗口来匹配边缘的方向。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。 这是默认设置。
  • FROST将应用一个使用单个滤波器窗口中局部统计量的、呈指数衰减的圆周状对称的滤波器来减少斑点噪声。 这不会影响边缘的图像要素。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。
  • KUAN空间滤波器将应用于图像中的每个像素以减少散斑噪声。 此滤波器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。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。
  • GAMMA_MAP将应用贝叶斯分析和 Gamma 分布滤波器来减少散斑噪声。 如需在减少斑点的同时保留边缘,此滤波器将十分有用。
String
filter_size
(可选)

指定将用于过滤噪声的像素窗口的大小。

  • 3x3将使用 3 x 3 滤波器大小。 这是默认设置。
  • 5x5将使用 5 x 5 滤波器大小。
  • 7x7将使用 7 x 7 滤波器大小。
  • 9x9将使用 9 x 9 滤波器大小。
  • 11x11将使用 11 x 11 滤波器大小。

此参数只有在 filter_type 参数设置为 LEEENHANCED_LEEFROSTKUANGAMMA_MAP 时才有效。

String
noise_model
(可选)

此参数只有在 filter_type 参数设置为 LEE 时才有效。

String
noise_variance
(可选)

雷达影像的噪声方差。 默认值为 0.25。

此参数只有在 filter_type 参数设置为 LEE,且 noise_model 参数设置为 ADDITIVE_NOISEADDITIVE_AND_MULTIPLICATIVE_NOISE 时才有效。

Double
add_noise_mean
(可选)

相加噪声的平均值。 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。 默认值为 0。

此参数只有在 filter_type 参数设置为 LEE,且 noise_model 参数设置为 ADDITIVE_NOISEADDITIVE_AND_MULTIPLICATIVE_NOISE 时才有效。

Double
mult_noise_mean
(可选)

相乘噪声的平均值。 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。 默认值为 1。

此参数只有在 filter_type 参数设置为 LEE,且 noise_model 参数设置为 MULTIPLICATIVE_NOISEADDITIVE_AND_MULTIPLICATIVE_NOISE 时才有效。

Double
number_of_looks
(可选)

影像的视数,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。 默认值为 1。

此参数只有在 filter_type 参数设置为 ENHANCED_LEEKUANGAMMA_MAP,或 filter_type 参数设置为 LEEnoise_model 参数设置为 MULTIPLICATIVE_NOISE 时才有效。

Long
damp_factor
(可选)

将应用的平滑指数衰减等级。 阻尼值大于 1 时,可以更好的保留边缘,但平滑效果交差。 值小于 1 时,平滑度更高。 值等于 0 的效果与低通滤波器相似。 默认值为 1。

Long

代码示例

Despeckle 示例 1(Python 窗口)

此示例使用优化型 Lee 滤波器对交叉极化波段进行了去斑。

import arcpy
arcpy.env.workspace = r"C:\Data\SAR"
outRadar = arcpy.ia.Despeckle("IW_manifest_TNR_CalB0.crf", "VV;VH", "REFINED_LEE")
outRadar.save("IW_manifest_TNR_CalB0_Dspk.crf")
Despeckle 示例 2(独立脚本)

此示例使用优化型 Lee 滤波器对交叉极化波段进行了去斑。

# Import system modules and check out ArcGIS Image Analyst extension license
import arcpy
arcpy.CheckOutExtension("ImageAnalyst")
from arcpy.ia import *

# Set local variables
in_radar = r"C:\Data\SAR\manifest_TNR_CalB0.crf"
out_radar = r"C:\Data\SAR\manifest_TNR_CalB0_Dspk.crf" 
polarization = "VV;VH"
filter_type = "REFINED_LEE"

# Execute 
outRadar = arcpy.ia.Despeckle(in_radar, polarization, filter_type) 
outRadar.save(out_radar)

相关主题