使用非凸优化的快速半监督解混
计算机视觉与模式识别
2024-10-01 v2 机器学习
图像与视频处理
摘要
在本文中，我们引入了一种专为半监督/基于库的解混量身定制的新型线性模型。我们的模型考虑了库失配，同时能够实施丰度和为一约束（ASC）。与传统的稀疏解混方法不同，该模型涉及非凸优化，带来了显著的计算挑战。我们证明了交替方向乘子法（ADMM）在循环求解这些复杂问题中的有效性。我们提出了两种半监督解混方法，每种方法都依赖于除ASC之外应用于新模型的不同先验：稀疏性先验和凸性约束。我们的实验结果验证了对于端元库，施加凸性约束优于稀疏性先验。这些结果在三个模拟数据集（考虑光谱变异性和不同像素纯度水平）以及Cuprite数据集上得到了证实。此外，我们与传统稀疏解混方法的比较显示了我们提出的模型（涉及非凸优化）的显著优势。值得注意的是，我们提出的算法——快速半监督解混（FaSUn）和使用软收缩的稀疏解混（SUnS）——的实现比传统稀疏解混方法高效得多。SUnS和FaSUn使用PyTorch实现，并包含在一个名为Fast Semisupervised Unmixing（FUnmix）的专用Python包中，该包是开源的，可在https://github.com/BehnoodRasti/FUnmix获取。
引用
@article{arxiv.2401.12609,
title = {Fast Semisupervised Unmixing Using Nonconvex Optimization},
author = {Behnood Rasti and Alexandre Zouaoui and Julien Mairal and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2401.12609},
year = {2024}
}