Google Earth Engine（GEE）——ALOS PALSAR 数据上使用Refined Lee 滤波

Refined Lee 滤波的主要思想是使用局部均值和方差来估计图像中的噪声水平，然后根据这些估计值对图像进行滤波。该算法的步骤如下：

1. 对原始图像进行均值滤波，得到一幅平滑图像。
2. 将平滑图像与原始图像相减，得到一幅残差图像。
3. 对残差图像进行局部均值和方差的估计。
4. 根据局部均值和方差的估计值，计算出一个噪声标准差。
5. 对原始图像进行一个低通滤波器，将噪声标准差作为滤波器的参数。
6. 将低通滤波器处理后的图像与平滑图像相加，得到最终的滤波结果。

Refined Lee 滤波能够在降噪的同时保留图像的细节信息，因此在雷达和卫星图像处理中得到广泛应用。

Refined Lee 滤波的具体处理过程如下：

1. 对原始图像进行均值滤波，得到一幅平滑图像。

2. 将平滑图像与原始图像相减，得到一幅残差图像。

3. 对残差图像进行局部均值和方差的估计。具体地，对于每个像素点，选择一个局部窗口（一般为 $3\times 3$ 或 $5\times 5$ 的大小），计算窗口内像素的均值和方差，然后使用这些估计值来计算一个噪声标准差。

4. 根据局部均值和方差的估计值，计算出一个噪声标准差。具体地，可以使用以下公式计算：

   $$\sigma_n(i,j) = k \cdot \sqrt{\frac{\pi}{2}} \cdot \frac{\sigma_r(i,j)}{\sqrt{2}\cdot \sigma_s(i,j)}$$

   其中，$\sigma_n(i,j)$ 表示在位置 $(i,j)$ 处的噪声标准差，$\sigma_r(i,j)$ 表示在位置 $(i,j)$ 处的残差图像的局部方差，$\sigma_s(i,j