利用部分隶属潜在 Dirichlet 分配进行考虑端元变异的高光谱解混
计算机视觉与模式识别
2016-09-13 v1
摘要
本文介绍了部分隶属潜在 Dirichlet 分配（PM-LDA）在高光谱端元估计与光谱解混中的应用。PM-LDA 为高光谱图像分析提供了一个模型，该模型通过使用基于超像素的“文档”来考虑光谱变异并结合空间信息。在我们的 PM-LDA 应用中，我们采用了正态组合模型，其中端元表示为正态分布以考虑光谱变异，比例向量被建模为受 Dirichlet 分布支配的随机变量。Dirichlet 分布的使用对比例值施加了正定性与和为一的约束。在真实高光谱数据上的算法结果表明，PM-LDA 产生的端元分布能够表示真实地面类别及其相关的变异性。
引用
@article{arxiv.1609.03500,
title = {Hyperspectral Unmixing with Endmember Variability using Partial Membership Latent Dirichlet Allocation},
author = {Sheng Zou and Alina Zare},
journal= {arXiv preprint arXiv:1609.03500},
year = {2016}
}