SAR图像：拟合杂波时常用的分布

记录拟合SAR图像杂波时常用的分布类型

分布类型	PDF	说明	CDF
正态分布	$f(x)=\frac{1}{\sqrt{2\pi }\sigma }{e}^{-\frac{(x-\mu {)}^2}{2{\sigma }^2}}$	$\mu 为均值，{\sigma }^2$为方差	$F(x)={\int }_{-\infty }^{x}f(t)dt$
对数正态分布	$f(x)=\frac{1}{x\sqrt{2\pi }\sigma }{e}^{-\frac{(log(x)-\mu {)}^2}{2{\sigma }^2}},x>0$	同上	$F(x)={\int }_0^{x}f(t)dt$
瑞利分布	f ( x ) = x σ 2 e x p { − x 2 2 σ 2 } f(x)=\frac{x}{\sigma^2}exp\{\frac{-x^2}{2\sigma^2}\} f(x)=σ2x​exp{2σ2−x2​}	$\sigma$为标准差	$F(x)=1-e^{\frac{-x^2}{2b^2}}$
weibull分布	$f(x)=\frac{\lambda }{v}(\frac{x}{v}{)}^{\lambda -1}{e}^{(-\frac{x}{v}{)}^{\lambda }}$	$\lambda$为形状参数，$v$为尺度参数	$F(x)=1-e^{(-\frac{x}{v}{)}^{\lambda }}$
gamma分布	$f(x)=\frac{{\lambda }^v}{\Gamma (v)}{x}^{v-1}{e}^{-\lambda x}$	$\lambda$为形状参数，$v$为尺度参数，$\Gamma ()$为gamma函数	$F(x)=\Gamma (\lambda x,v)$
$K$分布	$f(x)=\frac{2}{v\Gamma (\lambda )}(\frac{x}{2v}{)}^{\lambda }{K}_{\lambda -1}(\frac{x}{\lambda }),x>0$	$\lambda$为形状参数，$v$为尺度参数	$F(x)={\int }_0^{x}f(t)dt$
$G^0$分布	$$\begin{gathered} f(x)=\frac{2n^n\Gamma (n-\lambda )x^{2n-1}}{v^{\lambda }\Gamma (n)\Gamma (-\lambda )(v+n{x}^2{)}^{(}n-\lambda )}, \\ -\lambda ,v,n,x>0 \end{gathered}$$	$n$为图像视数，$\lambda$为形状参数，$v$为尺度参数，$K_n$为$n$阶第二类修正贝塞尔函数	$F(x)={\int }_0^{x}f(t)dt$
广义gamma分布(Li的改进版)	f ( x ) = ∣ v ∣ κ κ σ Γ ( κ ) ( x σ ) κ v − 1 e x p { − κ ( x σ ) v } , ∣ v ∣ , σ , κ , x > 0 f(x)=\frac{\mid v\mid \kappa^{\kappa}}{\sigma\Gamma(\kappa)}(\frac{x}{\sigma})^{\kappa v-1}exp\{-\kappa(\frac{x}{\sigma})^v\},\\ \mid v\mid,\sigma,\kappa, x>0 f(x)=σΓ(κ)∣v∣κκ​(σx​)κv−1exp{−κ(σx​)v},∣v∣,σ,κ,x>0	$\kappa$为形状参数,$\sigma$为尺度参数，$v$是功率参数，也称为第二形状参数	$$F(x)=\{\begin{array}{r}\Gamma (\kappa (\frac{x}{\sigma }{)}^v,\kappa ),v>0\\ 1-\Gamma (\kappa (\frac{x}{\sigma }{)}^v,\kappa ),v<0\end{array}$$