Polarimetric SAR Speckle Filtering Using a Nonlocal Weighted LMMSE Filter

Despeckling is a key preprocessing step for applications using PolSAR data in most cases. In this paper, a technique based on a nonlocal weighted linear minimum mean-squared error (NWLMMSE) filter is proposed for polarimetric synthetic aperture radar (PolSAR) speckle filtering. In the process of filtering a pixel by the LMMSE estimator, the idea of nonlocal means is employed to evaluate the weights of the samples in the estimator, based on the statistical equalities between the neighborhoods of the sample pixels and the processed pixel. The NWLMMSE estimator is then derived. In the preliminary processing, an effective step is taken to preclassify the pixels, aiming at preserving point targets and considering the similarity of the scattering mechanisms between pixels in the subsequent filter. A simulated image and two real-world PolSAR images are used for illustration, and the experiments show that this filter is effective in speckle reduction, while effectively preserving strong point targets, edges, and the polarimetric scattering mechanism.

Sentinel-1 SAR Backscatter Analysis Ready Data Preparation in Google Earth Engine

Sentinel-1 satellites provide temporally dense and high spatial resolution synthetic aperture radar (SAR) imagery. The open data policy and global coverage of Sentinel-1 make it a valuable data source for a wide range of SAR-based applications. In this regard, the Google Earth Engine is a key platform for large area analysis with preprocessed Sentinel-1 backscatter images available within a few days after acquisition. To preserve the information content and user freedom, some preprocessing steps (e.g., speckle filtering) are not applied on the ingested Sentinel-1 imagery as they can vary by application. In this technical note, we present a framework for preparing Sentinel-1 SAR backscatter Analysis-Ready-Data in the Google Earth Engine that combines existing and new Google Earth Engine implementations for additional border noise correction, speckle filtering and radiometric terrain normalization. The proposed framework can be used to generate Sentinel-1 Analysis-Ready-Data suitable for a wide range of land and inland water applications. The Analysis Ready Data preparation framework is implemented in the Google Earth Engine JavaScript and Python APIs.

PERBANDINGAN ALGORITMA SPECKLE FILTERING PADA CITRA SYNTHETIC APERTURE RADAR UNTUK ESTIMASI STOK KARBON VEGETASI TEGAKAN RUANG TERBUKA HIJAU (STUDI KASUS: KECAMATAN SUNGAI PINANG, KOTA SAMARINDA)

Vegetasi tegakan pada RTH menyimpan stok karbon yang lebih banyak dibandingkan dengan vegetasi non tegakan sehingga dibutuhkan cara dan teknologi yang efektif dan efisien untuk melakukan monitoring dan perhitungan stok karbon. Penginderaan jauh sistem aktif menggunakan citra SAR mampu berperan dalam deteksi, monitoring, dan perhitungan stok karbon tanpa terhalang oleh tutupan awan dan pengaruh atmosfer dengan cakupan area yang luas, waktu yang cepat, biaya yang relatif lebih murah dengan hasil yang baik. Salah satu kendala dalam pemanfaatan citra SAR adalah adanya noise atau speckle, sehingga memerlukan speckle filter yang tepat untuk meminimalisir noise. Penelitian ini bertujuan untuk membandingkan performa algoritma speckle filtering pada Citra Sentinel 1A SAR dalam mengestimasi biomassa dan stok karbon tegakan RTH dan mengetahui besarnya nilai kandungan biomassa dan stok karbon pada vegetasi tegakan RTH. Metode yang digunakan dalam penelitian ini meliputi analisis statistik inferensial parametrik berupa analisis korelasi Pearson Product Moment dan analisis regresi linear sederhana antara nilai backscatter SAR pada berbagai algoritma speckle filtering dengan nilai biomassa tegakan berdasarkan persamaan alometrik. Uji akurasi model dilakukan menggunakan metode Standard Estimate Error (SEE) terhadap model estimasi yang dibangun. Hasil menunjukkan bahwa algoritma Median pada polarisasi VH memiliki akurasi maksimum tertinggi sebesar 67,35% dan estimasi kesalahan terkecil sebesar 0,11825 ton/piksel. Total biomassa tegakan RTH menggunakan algoritma Median VH di Kecamatan Sungai Pinang sebesar 37.969,4163 ton, sementara total stok karbon tegakan RTH menggunakan algoritma Median VH sebesar 17.845,62566 ton.