Speckle Filtering Pada Synthetic Aperture Radar

Wilayah Indonesia yang berada pada daerah tropis menjadi salah satu kendala dalam menggunakan data citra optik. Pada musim hujan, awan menjadi kendala dalam menggunakan data citra optik. Sedangkan pada musim kemarau, yang menjadi kendala adalah asap yang disebabkan oleh kebakaran hutan dan lahan. Adanya awan dan asap sangat mengganggu dalam proses identifikasi dan pemantauan obyek di permukaan bumi, hal ini seringkali membuat informasi terbaru di bawah awan atau asap tidak tersedia. Untuk mengatasi kelemahan dari citra optik maka saat ini telah tersedia suatu sistem penginderaan jauh aktif berbasis radar.

Synthetic Aperture Radar (SAR) merupakan sistem radar koheren yang membentuk citra penginderaan jauh resolusi tinggi. SAR dapat digunakan pada siang maupun malam hari pada segala jenis kondisi cuaca, hal ini dikarenakan sistem SAR menggunakan gelombang radio (microwave) untuk pengamatan permukaan bumi. Proses yang ada di dalamnya antara lain mengirimkan pulsa energi gelombang mikro pada permukaan bumi dan kemudian merekam beda fase dan itensitas energi dari pantulan gelombang dari permukaan bumi tersebut.

Salah satu karakteristik citra SAR adalah timbulnya speckle, yang tampak sebagai tekstur bintik-bintik terang gelap yang terdistribusi secara random dalam citra. Noise tersebut timbul akibat interferensi konstruktif dan destruktif diantara sinyal-sinyal hamburan balik dari berbagai obyek secara random dalam suatu area tertentu yang diamati, dan dengan adanya speckle ini dibutuhkan suatu proses untuk mereduksinya sehingga diperoleh citra SAR yang lebih ‘bersih’ (lebih banyak informasi yang bisa didapat).

Pada tulisan kali ini saya akan memperkenalkan dan mengilustrasikan berbagai macam filter yang umumnya digunakan untuk mereduksi efek dari speckle tersebut. Sehingga saya tidak akan menjelaskan persamaan matematika yang rumit di sini. Untuk sample data saya menggunakan citra SAR dari satelit Sentinel-1 (GRD) di wilayah Ogan Komering Ilir yang bisa diunduh gratis di website Scihub.

Citra SAR di atas menampilkan pabrik Pulp & Paper terbesar di Asia dan di sini sangat terlihat jelas speckle (salt and pepper effect) yang cukup mengaburkan informasi yang ada. Untuk mengurangi efek dari speckle tersebut saya akan menguji-coba 4 jenis spatial filter + 1 spatio-temporal filter sebagai pembanding untuk memvisualisasikan tipe filter yang paling baik dalam mereduksi speckle dengan tetap mempertahankan detail objek yang ada.

Mean Filter

Mean filter adalah filter yang cukup sederhana dan mudah untuk diimplementasikan untuk ‘menghaluskan’ citra (mereduksi variasi antar pixel, red: speckle). Cara kerja filter ini cukup sederhana yaitu cukup mengganti nilai pixel pada citra dengan nilai rata-rata pixel di sekitarnya. Hal ini akan menimbulkan efek eliminasi nilai pixel yang tidak representatif dengan sekitarnya. Mean filter bekerja dalam ‘jendela’ yang umumnya berbentuk persegi dengan ukuran umumnya 3 × 3, namun 5 × 5 dapat digunakan untuk meningkatkan smoothing effect, namun nilai jendela yang semakin besar akan semakin meningkatkan efek blur atau smoothing pada citra.

Median Filter

Median filter biasanya digunakan untuk mengurangi speckle pada citra seperti mean filter namun seringkali filter ini bekerja lebih baik untuk tetap mempertahankan detail dari citra jika dibandingkan dengan mean filter. Cara kerja filter ini pun sama dengan mean filter hanya saja kalkulasi statistik yang digunakan adalah nilai tengah dari suatu pixel dan pixel-pixel lain disekitarnya.

Adaptive Filter

Adaptive filter menggunakan nilai deviasi standar pada pixel-pixel dalam suatu window. Umumnya, nilai pixel asli diganti dengan nilai pixel baru yang dihitung berdasarkan nilai pixel yang valid yang berada disekitarnya (memenuhi kriteria standar deviasi). Tidak seperti mean filter, adaptive filter bekerja dengan mereduksi noise namun tetap mempertahan detail dan ketajaman citra yang menurut saya kualitasnya lebih baik daripada median filter. Berikut ini salah satu penerapan adaptive filter, yaitu Lee Filter dan Frost Filter.

DeGrandi Spatio-Temporal Filter

Filter ini bekerja dengan memanfaatkan lebih dari satu citra SAR pada lokasi yang sama namun diakuisi pada waktu yang berbeda. Citra-citra tersebut kemudian dilakukan proses cooregistration yang merupakan proses penyamaan geometri (ukuran dan resolusi) dari setiap pixel pada setiap akuisisi. Karena reflektansi yang terekam oleh satelit dapat berubah pada setiap akuisisi akibat perubahan parameter dielektrik dan geometri dari permukaan bumi yang diindera, namun seharusnya tidak akan berubah lokasinya. Korelasi nilai pixel dari waktu ke waktu inilah digunakan untuk mengurangi speckle secara signifikan (dengan perataan nilai dalam domain waktu). Adapun dalam tulisan ini saya menggunakan 10 citra SAR yang diakuisisi dari Bulan Februari – Juli 2020 untuk dapat menghasilkan citra di bawah ini:

DeGrandi Spatio temporal filter bekerja dengan sangat baik dalam mereduksi speckle dan sambil tetap mempertahankan detail objek, seperti detail kanal, alur sungai, bangunan pabrik semuanya dapat dengan jelas terlihat (bahkan hampir seperti versi hitam-putih dari citra optik). Saya belum pernah mencoba melakukan filtering dengan jumlah citra temporal > 10, namun dari sisi perspektif saya sendiri hasil inipun sudah cukup sangat baik.

Penutup

Dari penjelasan dan beberapa contoh yang telah saya berikan di atas, maka dapat terlihat jelas bahwa spatio-temporal filter lah yang menghasilkan output yang paling bebas speckle dan juga memiliki ketajaman serta detail yang sangat baik. Namun filter ini membutuhkan banyak resources dalam pengolahannya karena menggunakan input data yang lebih banyak dan pengolahannya juga lumayan kompleks. Saya akan membuat tutorial pengolahannya pada tulisan saya selanjutnya.

Sumber:
https://www.harrisgeospatial.com/docs/ConvolutionMorphologyFilters.html
https://www.harrisgeospatial.com/docs/AdaptiveFilters.html
http://www.sarmap.ch/tutorials/Basic.pdf
http://www.asprs.org/a/publications/proceedings/sandiego2010/sandiego10/Ozdarici.pdf