Qu’est-ce que le Speckle ?
Le speckle (chatoiement) est un phénomène inhérent aux systèmes d’imagerie cohérente comme le SAR. Il résulte de l’interférence constructive et destructive entre les échos provenant de multiples diffuseurs élémentaires au sein d’une cellule de résolution.
Ce n’est pas un bruit au sens classique : c’est un phénomène physique déterministe, mais qui se comporte statistiquement comme un bruit multiplicatif. Il dégrade le contraste et complique l’interprétation visuelle et la segmentation automatique.
Distribution statistique de l’amplitude SAR
L’amplitude d’une image SAR suit une distribution de Rayleigh :
fR(h; σ) = κ · (h/σ²) · exp(-h²/σ²)
Cette distribution a été vérifiée sur les données Sentinel-1B du barrage El Mansour Eddahbi (σ ≈ 0.045), comme le montre l’histogramme de l’image pré-inondation du 11 septembre 2018.
Résultat clé : la différence suit une loi gaussienne
Quand on soustrait deux images SAR, la distribution de la différence suit approximativement une loi gaussienne (Vu et al., SPIE 2015) :
fG(h; σ) = κ · (1/σ√2n) · exp(-(h-μ)²/2σ²)
Sur les données marocaines analysées : μ ≈ 0.01, σ ≈ 0.05. Ce résultat justifie l’utilisation du seuillage statistique pour la détection de changement.
Méthodes de filtrage du speckle
| Filtre | Principe | Avantage | Inconvénient |
|---|---|---|---|
| Lee | Statistiques locales adaptatives (fenêtre 7×7) | Préserve les bords | Flou sur les détails fins |
| Frost | Exponentiel adaptatif | Bon pour les contours | Plus lent |
| NL-Means | Non-local, patchs similaires | Préserve les détails fins | Très coûteux en calcul |
| CNN Despeckling | Réseau de neurones convolutif | Résultat optimal (SSIM ↑) | Nécessite GPU + données |
Notre approche : CNN Despeckling publiée
Dans le cadre du Module M232, nous utilisons le filtre de Lee (fenêtre 7×7) dans le workflow standard. Pour des applications avancées, notre contribution publiée propose un CNN despeckling :
- Référence : Hamdi et al., IEEE Morgeo 2020
- DOI : 10.1109/Morgeo49228.2020.9121890
- Réduction du speckle par réseau de neurones convolutif avec préservation des bords
Impact du speckle sur la détection de changement
- Le speckle crée des fausses alarmes dans les algorithmes de différence d’images
- Un filtrage inadapté peut effacer de petites inondations (pixels isolés)
- Le compromis : réduction du speckle vs. préservation de la résolution spatiale
- Solution optimale : multi-looking (4 looks en azimut pour Sentinel-1 IW) + filtre de Lee
Points clés à retenir
- Le speckle est un bruit multiplicatif inhérent au SAR cohérent
- L’amplitude suit une distribution de Rayleigh ; la différence suit une gaussienne
- Le filtre de Lee 7×7 est le standard opérationnel pour la détection d’inondations
- Les CNN permettent une réduction supérieure mais nécessitent plus de ressources