看极化SAR影像时看到矩阵服从复高斯分布,不明白是什么于是查了查。
正态分布又叫高斯分布
X~(μ,σ2) , μ为期望(均值),σ2为方差
遥感影像常认为服从正态分布,横坐标是影像灰度级变化,纵坐标为各灰度级像元数占整幅影像像元数的百分比,也就是对应的概率密度。
复高斯分布可认为是Z=X+iY中,X,Y同时满足高斯分布,也就是复数满足高斯分布。
该原理的数学基础参考下面文章
高斯变量和复高斯变量基础
高斯分布对影像分类的用处:
最大似然分类法(又叫贝叶斯分类)将卫星遥感多波段数据的分布当作多维正态分布来构造判别分类函数。其基本思想是:各类的已知像元的数据在平面或空间中构成一定的点群:每一类的每一维数据在自己的数轴上形成一个正态分布,该类的多维数据就构成该类的一个多维正态分布,有了各类的多维分布模型,对于任何一个未知类别的数据向量,都可反过来求它属于各类的概率:比较这些概率的大小,看属于哪一类的概率大,就把这个数据向量或这个像元归为该类。
t分布(温良宽厚)
比正态分布多了自由度,自由度越大越接近正态分布,具有高尾特点,适合小样本(大样本也适合)的特点。
高高的长尾让t分布的曲线有“容人的雅量”,很好的捕捉到了数据点的集中趋势(横坐标:0附近)和离散趋势(标准差:只是那条正态分布曲线标准差的四分之一)。
t分布
卡方分布
若n个相互独立的随机变量ξ₁,ξ₂,…,ξn ,均服从标准正态分布(也称独立同分布于标准正态分布),则这n个服从标准正态分布的随机变量的平方和构成一新的随机变量,其分布规律称为卡方分布。
当自由度 很大时, 分布近似为正态分布。