Grassmann 流形上的端元提取
计算机视觉与模式识别
2018-07-05 v1 机器学习
图像与视频处理
信号处理
摘要
端元提取在多种数据分析问题中起着突出作用，因为端元通常对应于代表某些特征的最纯或最具代表性的数据。识别端元进而有助于进一步的辨识与分类任务。在具有高维数据的场景下，如高光谱影像，考虑以子空间作为端元是有用的，因为它们能够捕捉特征更广的变化范围。此场景下的端元提取问题因而转化为寻找 Grassmann 流形上一组点的凸包顶点。在噪声存在时，某点是否应被视为顶点往往不太明确。本文中，我们提出一种在 Grassmann 流形上提取端元、识别位于凸包边界附近的感兴趣子空间的算法，并在一个合成示例以及 220 光谱波段 AVIRIS Indian Pines 高光谱影像上展示了该算法的使用。
引用
@article{arxiv.1807.01401,
title = {Endmember Extraction on the Grassmannian},
author = {Elin Farnell and Henry Kvinge and Michael Kirby and Chris Peterson},
journal= {arXiv preprint arXiv:1807.01401},
year = {2018}
}
备注
To appear in Proceedings of the 2018 IEEE Data Science Workshop, Lausanne, Switzerland