THÈS EE - CESBIO - Université Toulouse III - Paul Sabatier

Chapitre 2. Principes de l’imagerie radar à synthèse d’ouverturemoyenne de I pondérée par la distance au pixel central de chaque pixel de la fenêtre selon uneloi exponentielle négative. Un autre critère statistique utilisé est le maximum a posteriori(MAP), dans le cadre de l’estimation bayesienne, comme par exemple le filtre Gamma-Gamma-MAP de Lopes et al. (1993), qui suppose une distribution Gamma à la fois pour ladensité de probabilité de l’intensité I connaissant la réflectivité R, p(I|R), et pour celle de laréflectivité, p(R). Les performances de tous ces filtres semblent relativement équivalentes enterme de biais et de réduction de speckle. La préservation des fines structures et de la textureest en revanche plus difficile à évaluer objectivement. Aucun de ces filtres ne s’estparticulièrement imposé sur les autres, et la plupart sont implémentés dans les logicielscommerciaux de traitement d’images radar et sont donc assez largement utilisés. Une revue deces filtres mono-canal a été faite par Lee et al. (1994) et par Touzi (2002).Dans un certain nombre d’applications, des séries de données sont disponibles sur une mêmescène. Des filtres multi-canaux (multi-temporels et/ou multi-polarisations et/ou multifréquence)ont été développés, qui permettent d’exploiter statistiquement cette multiplicité desobservations dans le but de réduire le speckle dans chacune des images. Ces filtres consistentà effectuer des combinaisons linéaires pixel à pixel de M images d’intensité I i , afin d’obtenirM images J k , telles que l’information en intensité soit préservée tout en minimisant le speckle.Le principe de ces filtres a été introduit par Lee et al. (1991) dans le cas d’un jeu de donnéespolarimétriques, puis généralisé par Bruniquel et Lopes (1997). Quegan et Yu (2001) ont misen avant le fait que, pour des canaux non-corrélés, le filtre prend une forme simple etfacilement implémentable :Jk=IkMM∑i=1IIii. Ils ont également montré que dans le casd’un filtrage avec M images décorrélées ayant le même nombre de vues L, et avec une fenêtrede N pixels, on a le résultat théorique suivant : ENL = MNL ( M + N −1). Quand le nombred’images M augmente, l’ENL arrive donc à une valeur de saturation : ENL = N × L . Ce filtrepermet est néanmoins très performant. Par exemple, pour une série de M=10 images monovue(L=1), avec une fenêtre 7×7 (N=49), le nombre de vue équivalent des images filtréespasse à 8,4. Ce filtre a par ailleurs l’avantage de très bien préserver la résolution spatiale parrapport aux filtres spatiaux précédemment décrits.Malheureusement, ce filtre multi-canal n’est pas bien adapté aux applications utilisant unrapport d’intensité. En effet, on remarque que le rapport de deux images filtrées ensemblevaut : J2J1= I2I1, ce qui revient à n’avoir filtré les images qu’avec un filtre moyenne59