Spatial analysis of nonstationary texture in SAR images.
Analyse spatiale de texture non stationnaire dans les images SAR.
Résumé
This work deals with the analysis and characterization of nonstationary spatial texture in SAR images.
Most studies considering texture in SAR images are using stationary statistics and spatial isotropy hypotheses. However, visual observation of data shows that dominant orientations may appear in the image. Moreover, measures of autocorrelation at different locations in the image suggest the use of a nonstationary model.
In this work, a parametric model based on anisotropic gaussian kernels is introduced for the second ordrer statistics of SAR intensity. This model is simultaneously taking into account the non-stationary and spatially anisotropic behaviour of the data.
Hence, different estimation methods related to this model are presented, then one of these methods is applied to speckle filtering.
Most studies considering texture in SAR images are using stationary statistics and spatial isotropy hypotheses. However, visual observation of data shows that dominant orientations may appear in the image. Moreover, measures of autocorrelation at different locations in the image suggest the use of a nonstationary model.
In this work, a parametric model based on anisotropic gaussian kernels is introduced for the second ordrer statistics of SAR intensity. This model is simultaneously taking into account the non-stationary and spatially anisotropic behaviour of the data.
Hence, different estimation methods related to this model are presented, then one of these methods is applied to speckle filtering.
Ce travail porte sur l'analyse et la caractérisation de la texture spatiale non stationnaire dans les images SAR.
La plupart des études considérant la texture dans les images SAR utilisent les hypothèses de stationnarité statistique et d'isotropie spatiale. Cependant, l'observation des images montre que des orientations spatiales privilégiées peuvent être présentes. De plus, la mesure à différentes positions de la fonction d'autocorrélation suggère l'emploi de modèles non stationnaires. On introduit ici un modèle paramétrique basé sur des noyaux gaussiens anisotropes pour les statistiques d'ordre deux des images d'intensité SAR. Ce modèle prend à la fois en compte le caractère non stationnaire, ainsi que la présence d'anisotropie spatiale. Ensuite, différentes méthodes d'estimation relatives à l'orientation locale dans les images SAR sont proposées, puis l'une de ces méthodes est appliquée au filtrage du speckle.
La plupart des études considérant la texture dans les images SAR utilisent les hypothèses de stationnarité statistique et d'isotropie spatiale. Cependant, l'observation des images montre que des orientations spatiales privilégiées peuvent être présentes. De plus, la mesure à différentes positions de la fonction d'autocorrélation suggère l'emploi de modèles non stationnaires. On introduit ici un modèle paramétrique basé sur des noyaux gaussiens anisotropes pour les statistiques d'ordre deux des images d'intensité SAR. Ce modèle prend à la fois en compte le caractère non stationnaire, ainsi que la présence d'anisotropie spatiale. Ensuite, différentes méthodes d'estimation relatives à l'orientation locale dans les images SAR sont proposées, puis l'une de ces méthodes est appliquée au filtrage du speckle.