结合多项式混合核与端元不确定性的改进深度谱卷积网络高光谱解混
计算机视觉与模式识别
2019-10-22 v4
摘要
在本研究中，我们提出一种利用改进的深度谱卷积网络（DSCN++）结合端元不确定性的高光谱解混新框架。DSCN++用于计算高级表示，并进一步用多项式混合模型建模以估计丰度图。在重构步骤中，引入基于非线性神经网络模型的可训练不确定性项，以对端元不确定性提供鲁棒性。对于多项式模型系数与不确定性项的优化，采用Wasserstein生成对抗网络（WGAN）以提升稳定性并捕捉不确定性。实验在真实与合成数据集上进行。结果验证了所提方法相较于基线技术在真实数据集上尤其取得了最先进的高光谱解混性能。
引用
@article{arxiv.1808.01104,
title = {Improved Deep Spectral Convolution Network For Hyperspectral Unmixing With Multinomial Mixture Kernel and Endmember Uncertainty},
author = {Savas Ozkan and Gozde Bozdagi Akar},
journal= {arXiv preprint arXiv:1808.01104},
year = {2019}
}
备注
Submitted to Journal