Modelagem estatística e redução de ruído em dados de interferometria SAR

Abstract

Sistemas de sensoriamento remoto requerem imagens de alta resolução para capturar e fornecer informações precisas das áreas monitoradas. Sob essa perspectiva, os sistemas SAR

(Synthetic Aperture Radar) oferecem recursos para obter essas imagens. No entanto, a quali- dade das imagens é frequentemente comprometida pelo fenômeno conhecido como speckle,

uma interferência que gera uma textura granulada, dificultando a interpretação dos dados.

Este problema é particularmente relevante em sistemas SAR, que utilizam a coerência de si- nais para obter imagens detalhadas e confiáveis. Além disso, o PolSAR (Polarimetric SAR) e

o InSAR (Interferometric SAR) ampliam as possibilidades de análise, fornecendo informações

polarimétricas e interferométricas, e diversos métodos, incluindo a aplicação de modelos es- tatísticos, são utilizados para extrair informações valiosas dessas observações. Todavia, esses

métodos também enfrentam desafios relacionados ao ruído e à precisão na modelagem dos

dados. Diante desse contexto, essa pesquisa busca responder à seguinte questão: como desen- volver algoritmos de filtragem eficientes para reduzir o ruído de fase, preservando informações

e melhorando a qualidade das imagens SAR/InSAR? O objetivo principal é aprofundar o co- nhecimento em análise estatística de dados circulares, com destaque na avaliação da qualidade

de imagens SAR/InSAR. Para alcançar esse objetivo, revisamos a literatura sobre modelos es- tatísticos para dados circulares, enfatizando modelos físicos e empíricos. Disponibilizando essas

soluções por meio dos pacotes FDDPhase e Filters na plataforma R. Além disso, utilizamos

a técnica de MLE (Maximum Likelihood Estimation) para estimar os parâmetros de mode- los, validando os resultados tanto com dados sintéticos quanto com dados SAR. A eficácia

dos métodos propostos foi avaliada por meio de métricas como: SSIM (Structural Similarity Index), RMSE (Root Mean Square Error), média da diferença, variância da diferença, tempo de execução e número de resíduos. Os resultados obtidos nesta tese mostram que os métodos propostos reduzem significativamente o speckle e superam o desempenho computacional do Lee Refinado.