用于盲高光谱解混的熵下降原型分析
图像与视频处理
2022-09-27 v2 计算机视觉与模式识别
机器学习
摘要
本文针对端元线性混合的假设，提出了一种基于原型分析的盲高光谱解混新算法。原型分析是该任务的天然建模方式。该方法不需要纯像素（即仅含单一材料的像素）的存在，而是将端元表示为原始高光谱图像中少数像素的凸组合。我们的方法利用熵梯度下降策略，其（i）比传统原型分析算法为高光谱解混提供了更好的解，（ii）可实现高效的 GPU 实现。由于单次运行我们的算法速度很快，我们还提出了一种集成机制以及相应的模型选择流程，使我们的方法对超参数选择具有鲁棒性，同时保持合理的计算复杂度。通过使用六个标准真实数据集，我们表明我们的方法优于最先进的矩阵分解方法和近期深度学习方法。我们还提供了开源的 PyTorch 实现：https://github.com/inria-thoth/EDAA。
引用
@article{arxiv.2209.11002,
title = {Entropic Descent Archetypal Analysis for Blind Hyperspectral Unmixing},
author = {Alexandre Zouaoui and Gedeon Muhawenayo and Behnood Rasti and Jocelyn Chanussot and Julien Mairal},
journal= {arXiv preprint arXiv:2209.11002},
year = {2022}
}