Adaptive noise reduction method based on a modified Lee filter for SAR image classification tasks

Abstract

The study aimed to create a set of software tools for automated processing and classification of synthetic aperture radar images using adaptive image analysis algorithms. The study used archival data from Sentinel-1, TerraSAR-X and RADARSAT-2 radar satellites and applies both classical image processing methods and adaptive algorithms. The quality of filtering, segmentation, classification, and object detection was assessed in terms of accuracy, structural similarity, signal-to-noise ratio, and consistency of results. The architecture of the software package was developed, including modules for pre-processing Synthetic Aperture Radar data, adaptive spectral filtering, image segmentation, and object classification. The study implemented adaptive algorithms such as the Lee filter, the K-means variant, the support vector method and the Ordered Statistics Constant False Alarm Rate. The developed tools were tested on satellite images from Sentinel-1 and RADARSAT-2 platforms for different types of the Earth’s surface. The adaptive filtering algorithm improved image quality by 35%, and performance on key metrics increased by 15-45% compared to traditional methods. High classification accuracy, including Kappa coefficient, F1, and area under the Receiver Operating Characteristic curve (Area Under the Curve), while maintaining computational efficiency, was provided. Automatic detection of water bodies, urban areas and agricultural land was implemented with an image processing time of less than 3 minutes. Adaptive algorithms ensured stable operation in conditions of different input data quality, making them suitable for a wide range of practical applications in the field of remote sensing and geographic information systems.

Метою дослідження було створення комплексу програмних інструментів для автоматизованої обробки та класифікації знімків радарів із синтезованою апертурою, що використовують адаптивні алгоритми аналізу зображень. У дослідженні використано архівні дані з радіолокаційних супутників Sentinel-1, TerraSAR-X і RADARSAT-2 та застосовано як класичні методи обробки зображень, так і адаптивні алгоритми. Якість фільтрації, сегментації, класифікації та виявлення об’єктів оцінювали за показниками точності, структурної подібності, співвідношення сигнал/шум і узгодженості результатів. У ході дослідження було розроблено архітектуру програмного комплексу, що включає модулі попередньої обробки даних радару із синтезованою апертурою, адаптивної фільтрації спеклів, сегментації зображень та класифікації об’єктів. Імплементовано адаптивні алгоритми такі як: фільтр Лі, варіант K-середніх, метод опорних векторів та Ordered Statistics Constant False Alarm Rate. Розроблені інструменти протестовано на супутникових знімках з платформ Sentinel-1 та RADARSAT-2 для різних типів земної поверхні. Адаптивний алгоритм фільтрації покращив якість зображень на 35 %, а продуктивність за ключовими метриками зросла на 15-45 % порівняно з традиційними методами. Забезпечено високу точність класифікації, зокрема за коефіцієнтом Каппа, F1 та площею під кривою робочих характеристик приймача (площа під кривою), при збереженні обчислювальної ефективності. Реалізовано автоматичне розпізнавання водних об’єктів, урбанізованих зон і сільськогосподарських угідь із часом обробки знімка менш як 3 хвилини. Адаптивні алгоритми забезпечували стабільну роботу в умовах різної якості вхідних даних, що робило їх придатними для широкого спектра практичних застосувань у сфері дистанційного зондування та геоінформаційних систем.