考虑端元可变性的广义线性混合模型
计算机视觉与模式识别
2017-10-24 v1
摘要
端元可变性是准确揭示高光谱图像中纯物质及其分布相关重要信息的关键因素。最近，扩展线性混合模型（ELMM）被提出作为线性混合模型（LMM）的改进，以考虑主要由光照变化引起的端元可变性效应。在本文中，我们进一步推广ELMM，提出了一种新模型（GLMM），以应对更复杂的光谱畸变，其中不同的波长区间可能受到不均匀的影响。我们还扩展了现有方法，以联合估计GLMM的可变性和丰度。利用真实数据和合成数据的仿真表明，解混过程可以从GLMM引入的额外灵活性中受益。
引用
@article{arxiv.1710.07723,
title = {Generalized linear mixing model accounting for endmember variability},
author = {Tales Imbiriba and Ricardo Augusto Borsoi and José Carlos Moreira Bermudez},
journal= {arXiv preprint arXiv:1710.07723},
year = {2017}
}