多时相高光谱图像的动态光谱解混
计算机视觉与模式识别
2016-06-29 v1
摘要
在本文中，我们考虑对高光谱图像时间序列进行解混的问题。我们提出了一种基于每个时间点上线性混合过程的动态模型。场景中纯物质的光谱特征与丰度分数被视为潜变量，并假设遵循一般的动态结构。基于该模型的简化版本，我们推导了一种高效的光谱解混算法，通过交替最小化来估计潜变量。所提方法的性能在合成与真实多时相高光谱图像上得到了验证。
引用
@article{arxiv.1510.04238,
title = {Dynamical spectral unmixing of multitemporal hyperspectral images},
author = {Simon Henrot and Jocelyn Chanussot and Christian Jutten},
journal= {arXiv preprint arXiv:1510.04238},
year = {2016}
}
备注
13 pages, 10 figures