MultiHU-TD：基于张量分解的多特征高光谱解混
图像与视频处理
2023-10-09 v1 信号处理
摘要
高光谱解混将混合像元表示为一组纯物质按其丰度加权后的组合。仅依靠光谱特征往往不足，因此通常会借助场景的其他特征。当高光谱图像（HSI）以附加特征的多模态、多特征框架表示为高阶张量时，矩阵模型便显得不够充分。规范多元分解等张量模型可实现此类解混，但缺乏通用框架且结果可解释性差。本文提出一种基于张量分解的可解释低秩多特征高光谱解混方法框架（MultiHU-TD），该框架在交替方向乘子法（ADMM）的交替优化中融入了丰度和为一约束，并从数学、物理和图形角度深入解释其结果，以及与扩展线性混合模型的联系。作为附加特征，我们提出引入数学形态学，并将先前关于邻域块的工作重构于MultiHU-TD中。在真实高光谱图像上的实验展示了模型的可解释性及结果分析。Python和MATLAB实现已在GitHub上公开。
引用
@article{arxiv.2310.03860,
title = {MultiHU-TD: Multifeature Hyperspectral Unmixing Based on Tensor Decomposition},
author = {Mohamad Jouni and Mauro Dalla Mura and Lucas Drumetz and Pierre Comon},
journal= {arXiv preprint arXiv:2310.03860},
year = {2023}
}