存在离群值时用于 SAR 图像处理的鲁棒瑞利回归方法

合成孔径雷达（SAR）数据中离群值（异常值）的存在以及统计图像模型的设定偏差可能导致不准确的推断。为避免此类问题，基于鲁棒估计过程的瑞利回归模型被提出，作为对此类数据建模更切合实际的方法。本文旨在获得对离群值存在具有鲁棒性的瑞利回归模型参数估计量。所提方法考虑加权最大似然法，并通过使用模拟与实测 SAR 图像的数值实验进行了验证。采用蒙特卡洛模拟对所提鲁棒估计量在有限信号长度下的性能、对离群值的敏感性以及崩溃点进行数值评估。例如，在非 corrupted 信号中，非鲁棒估计量显示的相对偏差值比鲁棒方法提供的结果大 $65$ 倍。在敏感性分析与崩溃点方面，与非鲁棒估计量相比，鲁棒方案使这两种度量的平均绝对值分别降低了约 $96\%$ 与 $10\%$。此外，使用了两个 SAR 数据集，将所提鲁棒方案与文献中竞争方法的地表类型及异常检测结果进行比较。