具有重尾瑞利分布的多视极化SAR图像建模和基于矩阵对数累积量的新颖估计

随着现代雷达分辨率的提高,基于中心极限定理的高斯涨落模型无法准确描述目标的散射回波。 相比之下,基于广义中心极限定理的重尾瑞利分布在合成Kong径雷达(SAR)图像建模中表现良好,而在多视点图像处理中的应用却很困难。 我们描述了具有重尾瑞利分布的多视极化SAR图像的成功建模,并提出了基于矩阵对数累积量的重尾瑞利分布包括等效视数(ENL)的新颖参数估计器。 首先,将重尾瑞利分布的复合变量分为正α稳定变量和复数高斯变量的乘积。 然后推导基于单个极化信道中对数累积量的特征指数和尺度参数的参数估计。 其次,获得了多视点图像中全极化的矩阵对数累积量(MLC),可将其用于估计模型参数。 因此,提出了一种新颖的基于MLC的ENL估计器,该估计器可以更精确地描述模型。 扩展到所有其他多变量产品模型,该估计器的性能要优于现有方法。 最后,对模拟数据和实际数据都进行了计算,这与理论结果非常吻合。 具有固定像素数的一幅图像中的多外观处理可以比单外观处理改善参数估计。 我们的重尾瑞利模型及其参数估计为分析多视极化SAR图像提供了一种新方法,可以对目标进行检测和分类。