海洋状况不同，选取的海杂波分布模型不同。低海况均匀杂波分布一般服从较简单的统计模型，如高斯分布、瑞利分布、
对数正态分布、韦布尔分布等，而高海况不均匀杂波由于其较重的拖尾特性一般由K分布来描述。
SAR图像统计建模按其建模过程可大致分为两类：参量模型和非参量模型。参量模型的建模过程是首先给出图像数据大致
服从的已知模型分布，其模型参数未知，然后通过图像区域数据对未知的模型参数进行估计，最后按照一定的拟合优度
评价准则选取最优的概率分布，作为图像区域数据的模型分布。相对应的，非参量模型的建模过程是事先不假设图像区域
数据服从某种概率模型分布，，而是通过图像区域的数据驱动方式获取最优的概率分布模型。由于非参量模型的建模过程
涉及到复杂的逼近操作，计算耗时大，并且需要大样本数据的支持，不能满足实际应用的需要，因此SAR图像的统计建模
一般采用参量模型的形式。
海杂波建模的一般过程
clear;clc;fid=fopen('D:\Ship\Clutter\2','rb');width=512;height=512;imgdata=fread(fid,[width,height],'uint16');fclose(fid);L=2; %视数imgdata=double(imgdata);imgdata2=imgdata.^2;mean1=mean(mean(imgdata));mean2=mean(mean(imgdata2));vmuc=1/(mean2/mean1/mean1/(1+1/L)-1); %形状参数y=imgdata(:);[h,w]=hist(y,max(y));bar(w,h/sum(h)); %直方图hold on;%高斯分布[f,s]=normfit(y);y1=normpdf(w,f,s);[h1,p1,k1,cv1]=kstest(y,[y,normcdf(y,f,s)]); %ks检验hold on;%瑞利分布[p,n]=raylfit(y,0.05);y2=raylpdf(w,p);[h2,p2,k2,cv2]=kstest(y,[y,raylcdf(y,p)]); %ks检验hold on;%威布尔分布a=wblfit(y);y3=wblpdf(w,a(1),a(2));[h3,p3,k3,cv3]=kstest(y,[y,wblcdf(y,a(1),a(2))]); %ks检验hold on;%对数正态分布par=lognfit(y);y4=lognpdf(w,par(1),par(2));[h4,p4,k4,cv4]=kstest(y,[y,logncdf(y,par(1),par(2))]); %ks检验hold on;%Gamma分布pha=gamfit(y);y5=gampdf(w,pha(1),pha(2));[h5,p5,k5,cv5]=kstest(y,[y,gamcdf(y,pha(1),pha(2))]); %ks检验hold on;%K分布if (vmuc<0)y6=chi2pdf(w,L); %形状因子为负数时，卡方分布else%y6=2/w/gamma(vmuc)/gamma(L)*((L*vmuc*w)/mean(y)).^(L+vmuc)/2*besselk((vmuc-L),2*sqrt((L*vmuc*w)/mean(y)));alpha=sqrt(std(y).^2/(2*vmuc));y6=2*((w/(2*alpha)).^vmuc).*besselk((vmuc-1),w/alpha)./(alpha*gamma(vmuc)); %K分布end[h6,p6,f6]=kstest2(y,y6);%画图plot(w,y1,'r-',w,y2,'k:',w,y3,'m-.',w,y4,'y–',w,y5,'c',w,y6,'k');legend('直方图','Normal','Rayleigh','Weibull','Lognormal','Gamma','K')title('直方图拟合PDF');xlabel('杂波像素值');ylabel('概率密度值');disp('峰度系数：'); K= kurtosis(y)-3 disp('偏度系数：'); S=skewness(y)disp('方差/均值：'); A=std(y)/mean(y) disp('临界值：'); P=[cv1,cv2,cv3,cv4,cv5]disp('检验统计量：'); F=[k1,k2,k3,k4,k5]
杂波拟合结果
function value = K_Func(x,L,u,v)%K-distribution function% Detailed explanation goes here% L 视数% u 均值% v 形状参数if(x==0)value=0;elset=sqrt(L*v*x/u);alpha=v-L;lamda=v+L-1;a=(lamda+alpha-1)/(lamda-alpha+1)/(lamda+alpha+1)*t^(lamda+1)*besselk(alpha,t)*GeneHypFunc(1,(lamda-alpha+3)/2,(lamda+alpha+1)/2,t*t/4);b=1/(lamda-alpha+1)/(lamda+alpha+1)*t^(lamda+2)*besselk(alpha-1,t)*GeneHypFunc(1,(lamda-alpha+3)/2,(lamda+alpha+3)/2,t*t/4);value=a+b;endendfunction value = GeneHypFunc( a,b,c,z )%GeneHypFunc 广义超几何函数% Detailed explanation goes hereeps=1e-7;sum=0.0;k=0;t=gamma(b)*gamma(c)*gamma(a)/gamma(a)/gamma(b)/gamma(c);while(t>eps)sum=sum+t;k=k+1;t=gamma(b)*gamma(c)*gamma(a+k)/gamma(a)/gamma(b+k)/gamma(c+k)*(z^k)/factorial(k);endvalue=sum;end
要克服生活的焦虑和沮丧，得先学会做自己的主人
