用于SAR图像建模的瑞利分布广义高斯扩展

在本文中，我们提出了一种新颖的统计模型，即广义高斯瑞利（generalized-Gaussian-Rician, GG-Rician）分布，用于合成孔径雷达（SAR）图像的特征刻画。由于准确的统计模型能在目标跟踪、分类或去斑等应用中带来更好的结果，因此对城市、海面或农业等各类场景的SAR图像进行特征刻画至关重要。所提出的统计模型基于瑞利分布来建模复SAR信号的幅度，并假设其同相与正交分量服从广义高斯分布。所提出的幅度GG-Rician模型进一步扩展至涵盖强度SAR信号。在实验分析中，针对多种频段和场景的幅度与强度SAR图像，将GG-Rician模型与包含$\mathcal{K}$、Weibull、Gamma和Lognormal分布在内的先进统计模型进行比较研究。为确定最适宜的模型，通过Kullback-Leibler散度和Kolmogorov-Smirnov统计量进行了统计显著性分析。结果表明，所提模型在所有频段和场景中均具有优越的性能与灵活性，且适用于幅度和强度SAR图像。Matlab代码包可在 https://github.com/oktaykarakus/GG-Rician-SAR-Image-Modelling 获取。