Unsupervised parameter estimation based on structure detection and clustering for polarimetric SAR speckle filtering

Abstract

A novel parameter estimation method for polarimetric synthetic aperture radar (PolSAR) speckle removal was introduced, which is a combination of adaptive structure detection and K-means clustering. First, an effective geometrical ratio detection approach was used to define training vectors. Based on the textural characteristic, the vectors were then classified into four types, i.e., homogeneous or slightly textured area, edge, line, and strong scatterer by clustering. These clustering results were then applied to estimate filter parameters. The effectiveness of the proposed method was demonstrated using NASA SIR-C/X-SAR, L-band, four-look PolSAR data of Tian Mountain, China. Finally, the multilook polarimetric whitening filtering algorithm was also used for comparing this method with three baseline ones, i.e., the Boxcar filter, the Prewitt edge detector, and the geometrical ratio detection method. Experimental results showed the superior performance of our proposed method on filter parameter estimation.

Une méthode novatrice d'estimation des paramètres pour éliminer le chatoiement dans les données polarimétriques RSO a été introduite qui combine une méthode adaptative de détection de la structure et le groupement par K-moyennes. Premièrement, une approche efficace de détection basée sur les rapports géométriques a été utilisée pour définir des vecteurs d'entraînement. Basé sur la caractéristique texturale, les vecteurs ont ensuite été classifiés selon quatre types, c.-à-d. surfaces homogènes ou légèrement texturées, contour, ligne et diffuseur puissant par groupement. Ces résultats de groupement ont ensuite été appliqués à l'estimation des paramètres des filtres. L'efficacité de la méthode proposée a été démontrée à l'aide de données SIR-C/X-SAR de la NASA, en bande L, en mode RSO polarimétrique à quadruple visées des monts Tian, en Chine. Enfin, l'algorithme de blanchiment MPWF («Multilook Polarimetric Whitening Filtering algorithm») a également été utilisé pour comparer cette méthode avec trois méthodes courantes, c.-à-d. le filtre Boxcar, le détecteur de contours de Prewitt et la méthode de détection basée sur les rapports géométriques. Les résultats expérimentaux ont démontré la performance supérieure de notre méthode pour l'estimation des paramètres des filtres.