使用 GNMF 方法和稀疏约束的高光谱数据解混
计算机视觉与模式识别
2013-07-02 v1
摘要
由于高光谱传感器的空间分辨率较低，高光谱图像包含混合像元。混合像元是指包含多种不同材料（称为端元）的像元。混合像元中端元的存在百分比称为丰度。光谱解混问题是指将这些像元分解为一组端元和丰度。由于对丰度的非负约束，非负矩阵分解 (NMF) 方法已被广泛用于解决光谱解混问题。在本文中，我们使用带有稀疏约束的图正则化 (GNMF) 方法来解混高光谱数据。该方法应用于使用 AVIRIS Indian Pines 数据集和 USGS 库的模拟数据，并基于 AAD 和 SAD 指标对结果进行量化。与其他方法的比较结果表明，所提出的方法能更有效地解混数据。
引用
@article{arxiv.1307.0129,
title = {Hyperspectral Data Unmixing Using GNMF Method and Sparseness Constraint},
author = {Roozbeh Rajabi and Hassan Ghassemian},
journal= {arXiv preprint arXiv:1307.0129},
year = {2013}
}
备注
4 pages, conference