文章导读
总览 评价 李华丽 1，* ， 李登刚 2， ， 陈香香 1， （ 1、 湖南大学电气与信息工程学院,长沙,410082； 2、 中国移动通信集团湖南有限公司,株洲,412007； ） 摘要： 本文针对高光谱图像混合像元分解过程中，空间信息利用不足的问题，以及纯净像元不存在时分
李华丽1，*， 李登刚2，， 陈香香1，
（
1、湖南大学电气与信息工程学院,长沙,410082； 2、中国移动通信集团湖南有限公司,株洲,412007； ）
摘要：
本文针对高光谱图像混合像元分解过程中，空间信息利用不足的问题，以及纯净像元不存在时分解精度有所下降的问题，提出了一种改进的混合像元盲分解算法。该算法充分利用了高光谱图像的已有的空间信息和光谱信息，基于图论约束的非负矩阵分解框架，加以丰度的稀疏度的约束，使得分解结果唯一且逼近真实值。模拟和真实实验数据分别探讨了在纯净像元存在与否的情况下混合像元分解的精度问题，也验证了方法的有效性。这种改进的基于图论正则化约束的非负矩阵分解算法，不仅加快原算法的求解速度，而且也提高分解的精度。
关键词：
高光谱图像处理方法；混合像元分解，非负矩阵分解
lihuali1,*， lidenggang2,， chenxiangxiang1,
（
1、college of Electrical and Information Enginnering, Hunan University, Changsha, 410082 ； 2、Zhuzhou branch of China Mobile group Hunan Co., Ltd. Zhuzhou 412007； ）
Abstract：
In this paper, a modified spatral spatial information contrained nonnegative matrix factorization is proposed. named as Advanced Spectral Spatial Information Contrained Nonnegative Matrix Factorization, (ASSNMF). To combined spatial and spectral information effectively, the ASSNMF method is based on graph and sparse constrained NMF framework. The experiments verifed that the ASSNMF showed better performance than the original NMF when there is no pure pixels exits in the images.
Tag：
点此返回栏目查看更多>>>参考论文
