利用插值缩放张量参数化端元变异性以改进高光谱解混
计算机视觉与模式识别
2022-11-28 v1
摘要
端元（EM）变异性对高光谱图像（HI）分析算法的性能有重要影响。近期，扩展线性混合模型被提出以解决光谱解混（SU）问题中的 EM 变异性问题。直接使用这些模型会导致严重病态的优化问题。为解决该问题，人们考虑了不同的正则化策略，但迄今为止均未一致地利用 HI 中通常存在的多个纯像素所提供的信息。在本研究中，我们提出将 SU 问题分解为两个子问题序列。首先，利用纯像素信息估计表示光谱变异性的插值缩放因子张量。该步骤通过将光谱变异性视为 HI 上的平滑函数，并将缩放张量的能量约束在低秩结构中来实现。随后，利用前一步估计的变异性缩放因子求解矩阵分解问题以估计丰度分数，从而得到一个显著更具适定性的问题。基于合成数据与真实数据的仿真实验验证了所提策略的有效性。
引用
@article{arxiv.1901.00463,
title = {Improved Hyperspectral Unmixing With Endmember Variability Parametrized Using an Interpolated Scaling Tensor},
author = {Ricardo Augusto Borsoi and Tales Imbiriba and José Carlos Moreira Bermudez},
journal= {arXiv preprint arXiv:1901.00463},
year = {2022}
}