用于极端变异斑点数据的回归模型

合成孔径雷达（SAR）是一种高效且广泛使用的遥感工具。然而，来自 SAR 图像的数据被斑点噪声污染，阻止基于假设噪声为 additive 且服从正态分布的技术的应用。描述此类数据最成功的方法之一是乘法模型，其中强度可遵循多种具有正支配的分布。$\mathcal{G}^0_I$ 模型是其中最成功的模型之一。虽然已提出多种用于估计 $\mathcal{G}^0_I$ 参数的方法，但没有工作探索该模型的回归结构。这种结构将允许我们从可用数据推断未观察的值。在本工作中，我们提出了一个 $\mathcal{G}^0_I$ 回归模型，并用于描述来自其他极化通道强度的影响。我们为新模型推导了一些理论属性：Fisher 信息矩阵、残差度量以及影响工具。提出了最大似然点估计和区间估计方法，并通过蒙特卡洛实验对其进行评估。来自模拟数据和实际数据的结果表明，新模型对 SAR 图像分析有帮助。