高光谱图像的盲全约束解混
应用统计
2015-06-18 v1 机器学习
摘要
本文探讨了高光谱图像的盲全约束解混问题。解混过程不使用任何字典，并假设场景中组成材料的数量及其光谱签名均未知。估计的丰度满足所需的和为一及非负约束。为了实现这一具有挑战性的任务，我们开发了两个复杂度递增的模型，具体取决于噪声如何与高光谱数据相互作用。第一个模型导出了一个凸优化问题，并使用交替方向乘子法求解。第二个模型考虑了信号相关噪声，并采用重加权最小二乘算法进行处理。在合成数据和真实数据上的实验证明了该方法的有效性。
引用
@article{arxiv.1403.0289,
title = {Blind and fully constrained unmixing of hyperspectral images},
author = {Rita Ammanouil and André Ferrari and Cédric Richard and David Mary},
journal= {arXiv preprint arXiv:1403.0289},
year = {2015}
}