Académique Documents
Professionnel Documents
Culture Documents
.1/
CTSN/DLSM,
Site du Mourillon
83800 Toulon Naval, France
.2/
Laboratoire GESSY, ISITV
83157 La Valette du Var, France
RÉSUMÉ ABSTRACT
Les images issues de radars à ouverture synthétique sont entachées Synthetic Aperture Radar (SAR) images are affected by a granular
d’un bruit de granularité (speckle) pouvant affecter fortement la lisi- noise (speckle) which can affect their lisibility. Recently, we have
bilité de l’image. Nous avons récemment proposé une technique qui proposed a new technique which consists in enhancing a specific
consiste à rehausser une texture particulière dans l’image, tout en ré- texture in an image, while simultaneously reducing speckle, by using
duisant le bruit de speckle, en utilisant la corrélation existant entre the correlation existing between the different views of a scene.
différentes vues d’une même scène. Les résultats obtenus par cette Results are promising, but depend on the choice of the model for
technique sont très encourageants. Cependant ils dépendent beaucoup the texture and noise. In this paper, we propose to use a model taking
du choix du modèle de texture et de bruit. into account the impulse response of the imaging system.
C’est pourquoi nous proposons dans cette communication l’utilisa-
tion d’un modèle qui tient compte de la réponse impulsionnelle du
système imageur.
et õn2 D max.õn2 / où j 2 f1; : : : ; Mg. K sera maximum si Pour modéliser la texture et le bruit, des images représen-
j
le filtre est constitué par le vecteur propre associé à la plus tant les coefficients de réflectivité initiaux vont être simulées
grande valeur propre de la matrice et traitées suivant les deux axes distance et azimut.
Il est effectivement plus réaliste de faire intervenir le méca-
C D R0Ä1 00 : nisme d’imagerie dans cette modélisation car il introduit une
corrélation spatiale entre les pixels [7].
Supposons que C possède T valeurs propres distinctes et T
vecteurs propres h 0; j , h 1; j , : : : , h T Ä1; j pour le j ième signal.
Les vecteurs propres h i; j (i ième vecteur propre, j ième signal) 3.1 Modélisation des coefficients de réflectivité
correspondant aux valeurs propres supérieures à 1 peuvent
Afin de modéliser une zone homogène, une distribution sur-
contribuer à une amélioration du rapport signal à bruit.
facique de diffuseurs est simulée, qui représentera la carte de
réflectivité radar pour le bruit de speckle. On considère que
Soit P le nombre de valeurs propres supérieures à 1. La dé- chaque élément de surface comporte M diffuseurs élémen-
composition des signaux s j et n j sur la base constituée par les taires. Pour une case distance quelconque, soit òi le coefficient
P vecteurs yi; j D R0 h i; j donne :
de réflexion complexe du diffuseur à la position azimutale re-
X
P X
P présentée par l’indice i . L’expression de òi est donnée par
sj D vi yi; j I nj D wi yi; j : (2)
X
M
i
iD1 iD1
òi D ömi e j m (4)
avec j 2 f1; : : : ; Mg et mD1
D A i C j Bi (5)
vi D h ti;1 s1 C h ti;2 s2 C Å Å Å C h ti;M s M I
où ömi représente l’amplitude de la réflectivité complexe du
wi D h ti;1 n 1 C h ti;2 n 2 C Å Å Å C h ti;M n M :
diffuseur élémentaire d’indice m de l’élément de surface d’in-
Dans notre cas, les M signaux sont représentés par M vues. dice i , et mi sa phase.
La décomposition précédente est appliquée à chaque vue. Les Si l’on considère un bruit de speckle complètement développé,
différentes vues sont ensuite projetées au sol et additionnées les phases et les amplitudes sont des variables aléatoires indé-
en intensité pour obtenir l’image finale. Les matrices de cova- pendantes [3]. Les phases sont supposées uniformément distri-
riance 00 et R0 représenteront les corrélations existant entre buées entre Äô et ô, étant donné qu’aux fréquences utilisées,
les différentes vues. la longueur d’onde émise est faible par rapport à la cellule
de résolution. La distribution d’amplitude utilisée sera gaus-
Soit une imagette .L; L/ représentant la texture de la k ième sienne.
vue. Cette imagette est mise sous forme de vecteur x k .L 2 ; 1/.
Un vecteur signal s.L 2 Ç M; 1/ est ensuite construit en conca- En ce qui concerne la texture, l’image des coefficients de ré-
ténant les M vecteurs correspondant aux M vues. L’expression flectivité peut être représentée par un bandeau bicolore, afin de
de s est donnée par simuler la différence d’amplitude entre le sillage et la mer. Le
coefficient òi aura donc une amplitude constante sur chaque
s D .x 1t x 2t : : : x M
t t
/: partie du bandeau, d’abord de forte valeur puis de faible va-
n est obtenu de la même façon. L’expression de la matrice de leur. La phase sera uniformément distribuée sur l’intervalle
covariance de la texture est alors donnée par [Äô; ô].
2 3
0x x 0x x : : : 0x x
6 1 1 1 2 1 M
7 3.2 Simulation des traitements distance et azi-
6 0x x 0x x : : : 0x x 7
6
õs2 00 D Efs t sg D 6 :2 1 2 2 2 M 7 mut
:: :: :: 7 (3)
6 :: : : : 7
4 5 Afin d’introduire une corrélation suivant l’axe distance, la
0x x 0x x : : : 0x x réponse impulsionnelle du système suivant cet axe est modé-
M 1 M 2 M M
lisée par une fonction sinus cardinal, pondérée par une fenêtre
où 0x est la matrice de covariance de la k ième vue, et 0x de Hamming. La résolution est représentée par la largeur du
k xk k xl
0.8
et se trouvant à la position azimutale P. On montre [4] que les
0.6
expressions des estimées de A P et B P , après traitement suivant
0.4
l’axe azimut, ont la forme suivante
0.2
AO p D A p (6) 0
ê ë −0.2
C .A pÄ1 C A pC1 / 0Q cc .1/ C 0Q ss .1/ −0.4
n n
20
C ::: ::: ê ë 15 2
C .A1 C A2 pÄ1 / 0Q cc . p Ä 1/ C 0Q ss . p Ä 1/ 10
10
15
n n 5
ê ëê ë 0
5
0
C Q Q
B pÄ1 Ä B pC1 0cs .1/ Ä 0sc .1/ AXE AZIMUT AXE DISTANCE
n n
C :ê: : : : : ëê ë
F IG . 1 — Fonction d’autocorrélation du modèle de texture
C B1 Ä B2 pÄ1 0Q cs . p Ä 1/ Ä 0Q sc . p Ä 1/
n n
1
0.8
BO p D Bp (7)
ê ë 0.6
C ::: ::: ê ë
0.2
C .B1 C B2 pÄ1 / 0Q cc . p Ä 1/ C 0Q ss . p Ä 1/ 0
n n
ê ëê ë −0.2
20
C A pÄ1 Ä A pC1 0Q sc .1/ Ä 0Q cs .1/ 15 2
n n
10 15
C :ê: : : : : ëê ë 5
10
5
C A1 Ä A2 pÄ1 0Q sc . p Ä 1/ Ä 0Q cs . p Ä 1/ AXE AZIMUT 0 0
AXE DISTANCE
n n
Références
[1] J. F. Cavassilas, G. Chabriel. Filtrage adapté stochastique
multidimensionnel. Rapport interne Gessy, 1996.
[2] J. F. Cavassilas, B. Xerry. Extension de la notion de filtre
adapté. Contribution à la détection de signaux courts en
présence de termes perturbateurs. Traitement du Signal,
Vol. 10, No. 3, pp. 215-222, 1993.
[3] J. W. Goodman. Some fundamental properties of speckle.
JOSA. Vol. 66, no 11, 1976. F IG . 4 — Image finale après traitement, sans utilisation de
[4] M. Grandchamp. Compte-rendu d’activités. Avril 1997. modèles
[5] M. Grandchamp, J. F. Cavassilas. Improved Multilook
Technique Applied to SAR Images. in Proc. IEEE Int.
Conf. Acoustics, Speech and Signal Processing. Vol. 4, pp.
2821-2824, 1997.
[6] C. Lévêque et J. F. Cavassilas. Généralisation du concept
de filtrage adapté-Application au filtrage d’images ROS
d’états de surface de la mer. 14ème colloque Gretsi. Vol.
1, pp. 539-543, 1993.
[7] R. K. Raney et G. J. Wessels. Spatial Considerations in
SAR Speckle Simulation. IEEE Trans. on Geoscience and
Remote Sensing. Vol. 26, no 5, pp. 666-672, 1988.