Está en la página 1de 5

FILTRADO DEL RUIDO DE SPECKLE

Universidad Nacional de Trujillo


Informática
Trujillo – Perú
Prof. Jorge Luis Guevara Díaz

Cueva Alvarez Karen Melissa Puerta Ramirez Gallen Psykhé


simply_assilem@hotmail.com orion_1410@hotmail.com

Resumen La señal emitida por el sensor se transmite


en fase, de forma coherente sin producir
El ruido Speckle aparece en imágenes con
iluminación coherente, como las de scanner interferencias hasta que interacciona con
ultrasónico, sonar y radar de abertura sintética el objeto, entonces deja de estar en fase y
(SAR). Este ruido se desvía del modelo clásico, en el las ondas producen interferencias que
que se supone ruido Gaussiano, independiente de la generan píxeles claros y oscuros
señal y adicionado al verdadero valor.
denominados “ruido de moteado o
El Speckle, en cambio, es multiplicativo y no Speckle”. El Speckle debe ser eliminado
Gaussiano (en los formatos intensidad y amplitud), y antes de proceder a la utilización de los
dificulta la interpretación de las imágenes porque el datos. Es crucial el orden de aplicación de
“efecto de sal y pimienta” corrompe la información o los algoritmos en las imágenes radar, dado
verdad de la imagen.
que cualquier proceso aplicado a una
Existen numerosas técnicas para extraer información imagen antes de reducir el Speckle, genera
contenida en imágenes con Speckle, entre las cuales un ruido que se incorpora a la propia
las estadísticas proveen los mejores modelos y imagen, produciendo una degradación de
herramientas para el procesamiento y análisis de
imágenes ruidosas.
la misma. El Speckle no puede ser nunca
eliminado totalmente, pero si reducido
Palabras Claves: Imágenes SAR, Speckle, ruido, significativamente. Por ello, los filtros de
filtrado. Speckle tienen como objetivo dicha
reducción, procurando conservar las
1. Introducción. características espaciales y las estructuras
lineales de la escena.
El moteado o Speckle es una característica
inherente a las imágenes radar. En estas La visualización del histograma de
existen dos tipos de textura: la de la propia frecuencias de la imagen proporciona
escena y la de la varianza de la imagen, información cualitativa sobre el Speckle de
conocida como Speckle, debido al sistema la misma; mientras que los ratios SNR
de obtención de la propia imagen. (Signal to Noise Ratio) y Neq (Número
equivalente de vistas simples)
Por lo tanto, se debe distinguir entre la proporcionan información cuantitativa;
“textura de la escena” que debe ser cuanto mayor sea el aumento de la
contemplada como la variación espacial de relación SNR o del índice Neq, mejor será la
los patrones de reflectividad, y la “textura actuación del filtro.
de la imagen” que representa la variación
espacial de la radiometría captada por un Normalmente se representa el Speckle
sistema parcialmente coherente como el como un proceso aleatorio similar a una
SAR, siendo la textura de la imagen más modulación multiplicativa de la
compleja que la textura de la escena. La reflectividad de la imagen. Este proceso
diferencia entre la textura de la escena y la multiplicativo es estadísticamente
de la imagen se debe al moteado o independiente del proceso aleatorio de la
Speckle. reflectividad. Por lo tanto, este modelo
multiplicativo se ajusta mejor en áreas que
presentan una reflectividad media El filtro de Lee usa estadísticas locales
constante sobre una gran superficie. tales como la media y la desviación
estándar en una ventana de tamaño
2. Definición de Speckle. fijo. Por ejemplo, una ventana de 7x7,
para determinar factores de pesos
El Speckle es un ruido multiplicativo diferentes para suavizar la imagen.
proporcional a la intensidad de la señal
recibida. El Speckle es un efecto físico, el En el filtro de Lee, el modelo
cual ocurre cuando luz coherente es multiplicativo del ruido Speckle es
reflejada de una superficie desigual. aproximado a un modelo lineal, donde
se minimiza el error cuadrado medio
En sensores SAR satelitales, el Speckle mediante la estimación de mínimos
resulta de la necesidad de crear una cuadrados, para obtener el algoritmo
imagen radar con radiación coherente, de filtrado que está dado por:
como resultado de esto un pixel puede
diferir extremadamente de su valor de gris
promedio. Estas variaciones de valor de
gris entre pixeles adyacentes generan la
Donde:
apariencia granulosa típica de las imágenes
t -es la coordenada del pixel
SAR.
x(t) -es el píxel filtrado
z(t) -es el píxel observado en la imagen
En general, el ruido Speckle puede ser
(es el píxel central dentro de la ventana
modelado como un ruido multiplicativo
de filtrado)
aleatorio, debido a que las variaciones en
-es la media de la intensidad
la imagen son generadas por la señal
dentro de la ventana de filtrado.
misma usando una fase aleatoria, por
W(t) -es la función de pesos y está
ejemplo su desviación estándar es
dada por:
proporcional a su media.

La consecuencia de este ruido sobre la


imagen es una variación o fluctuación del
valor de los niveles de gris de los píxeles, -es el coeficiente de variación del
produciendo un moteado a menudo ruido
bastante fuerte y que oculta información -es el coeficiente de variación del
dificultando su análisis. conjunto de datos y están dados por:

Por tanto, la resolución radiométrica de las


imágenes radar está principalmente
gobernada por el fenómeno del Speckle y
no tanto por el número de posibles señales σv -es la desviación estándar del
cuantizadas. ruido.
-es la media del ruido.
3. Filtros de Reducción de Speckle. σ(z) -es una aproximación de la
desviación estándar de la imagen
Entre los numerosos filtros de reducción de mediante la desviación estándar
Speckle, se va a analizar el de los pixeles dentro de la
comportamiento de los filtros específicos ventana de filtrado.
de Lee, Frost, Gamma, Kuan.
En una región homogénea el valor de
3.1. Filtro de Lee (1981) salida filtrada, es un promedio lineal de
los pixeles en su vecindad, mientras
que en regiones extremadamente K -es un factor de amortiguamiento.
concurridas, la salida llega a ser el
mismo valor del pixel de entrada. El valor de K depende de la imagen no
Aunque el filtro de Lee puede filtrada y puede requerir realizar
preservar los bordes, el uso de experimentos de prueba y error para
ventanas muy grandes produce una determinar su mejor valor. El valor por
pérdida de detalles en la imagen. default es 1.

El filtro de Lee fue mejorado por Lopes El valor de gris resultante para el pixel
en 1990, dividiendo el conjunto de suavizado es:
datos en áreas de tres clases.

La primera corresponde a las áreas


homogéneas, en las cuales el ruido
aleatorio puede eliminarse aplicando
un filtro de paso bajo. Donde p1...pn son los niveles de gris de
La segunda clase corresponde a zonas cada pixel en la ventana de filtrado y
heterogéneas en las cuales se reduce el m1...mn son los pesos asociados con
ruido aleatorio preservando la textura cada pixel.
de la imagen.
La tercera clase corresponde al área En otras palabras, los parámetros del
que contiene puntos aislados, donde el filtro de Frost son ajustados de
filtro podría conservar los valores acuerdo con estadísticos locales
observados. calculados en una ventana alrededor
del pixel a filtrar. En regiones
3.2. Filtro de Frost (1982) uniformes, el filtro de Frost actúa como
un filtro por la media. En regiones
El filtro de Frost usa un kernel de heterogéneas, actúa como un filtro de
espiral amortiguado exponencialmente paso alto con rápida decadencia fuera
el cual se adapta a características del centro.
basadas en estadísticos locales.
De esta forma, el filtro suavizará las
Consiste de un filtro simétrico regiones uniformes y removerá el
circularmente con un conjunto de Speckle, mientras que los bordes de
valores de pesos para cada pixel: contraste alto y otros objetos
conservarán su valor. Lopes en 1990
mejoró el filtro de Frost de la misma
como mejoró el filtro de Lee.
Donde A está dada por:
El filtro Frost mejorado minimiza la
pérdida de información radiométrica y
textural.

3.3. Filtro Gamma-MAP.


|t| -es el valor absoluto de la
distancia del pixel central a sus El filtro de máximo a posteriori (MAP)
vecinos en la ventana de filtrado. intenta estimar el nivel digital original
Var (z) -varianza en el nivel de gris en del píxel, que se asume debe estar
la ventana de filtrado. entre la media local y el nivel digital del
-es el cuadrado del nivel de gris píxel degradado (actual). La lógica del
medio en la ventana de filtrado. MAP maximiza la función de densidad
de probabilidad a posteriori respecto a
la imagen original. El algoritmo para la
aplicación de este filtro se basa en la 4. Efectos del Filtrado.
siguiente expresión:
 Los filtros adaptables (Lee, Frost y
Gamma) conservan el valor medio. Son
más adecuados para las imágenes de
Siendo: SAR.

Î = Valor buscado  Al aumentar el tamaño de la ventana


I = Media local del filtro, también aumenta el cambio
ND = Nivel Digital de entrada (inicial) porcentual en la desviación estándar.
σ = Varianza de la imagen original
5. Conclusiones.
Este filtro está basado en la suposición
de que la intensidad (sin moteado) de En este trabajo se ha realizado un estudio
la escena tiene una distribución de algunos de los filtros comúnmente más
Gamma. empleados en procesado de imágenes para
la reducción de ruido de Speckle.
Este filtro minimiza la pérdida de
información textural aún mejor que los Se han propuesto muchas técnicas y
filtros Frost y Lee, en casos de escenas aunque reducen el ruido tratando de
con distribución Gamma. conservar la resolución espacial de la
imagen, aún no se encuentra una técnica
El filtro MAP Gamma es apropiado para adaptativa que remueva todo el Speckle sin
una gran variedad de escenas con perder información de la imagen.
distribución Gamma, tales como las
áreas arboladas, áreas agrícolas y Por tanto, las técnicas de filtrado son
océanos. adaptadas y probadas para una aplicación
específica, de lo que depende su eficiencia.
El filtro conserva el valor observado del
píxel en las escenas que no tienen 6. Referencias.
distribución Gamma.
[1] O. Bustos, M. Palacio, A. Frery.
3.4. Filtro de Kuan (1985) “Filtros Interactivos Reductores de
Ruido Speckle en Imágenes”.
El filtro de Kuan primero transforma el Universidad Federal de
modelo del ruido multiplicativo a un Pernambuco (Brasil)
modelo de ruido aditivo dependiente [2] R. García, C. González, R. de la
de la señal. Posteriormente, minimiza Vega. “Análisis Del
el error cuadrado medio mediante la Comportamiento De Filtros De
estimación de mínimos cuadrados. El Reducción De Speckle En Imágenes
resultado tiene la misma forma que el ERS2-SAR”. Universidad Politécnica
filtro de Lee, pero la función de peso de Madrid.
está dada por: [3] Centro Canadiense de Percepción
Remota. “Realce Radiométrico”.
Ministerio de Recursos Naturales
de Canadá.
Debido a que Kuan no hace una [4] Revista Internacional de Ciencias
aproximación inicial al modelo original, de la Tierra. “Reducción del
este modelo puede considerarse Speckle en las Imágenes SAR”.
superior al filtro de Lee. [5] Alma Nieto Yánez, Apolinar
Ramírez Saldívar. “Técnicas para
Reducir el Speckle en Imágenes
SAR”. Instituto Tecnológico de
Ciudad Madero.
[6] Daniel Bermúdez, Pilar Jarabo, José
Nieto. “Estudio Comparativo de
Algoritmos para la Reducción del
Speckle en Imágenes SAR”.
Universidad de Alcalá.