用于具有端元变异的高光谱解混的多层单纯形结构矩阵分解
信号处理
2024-03-12 v2
摘要
给定一幅高光谱图像，高光谱解混 (HU) 的问题是识别图像背后的端元（或材料）和丰度（或端元对像素的贡献）。HU 可以看作是一个在丰度矩阵因子中具有单纯形结构的矩阵分解问题。在实践中，高光谱图像可能表现出端元变异 (EV) 效应——端元矩阵因子从一个像素到另一个像素发生变化。在本文中，我们考虑了一种多层单纯形结构矩阵分解模型来解释 EV 效应。我们的多层模型基于这样一个假设：如果我们将变化的端元排列为一个扩展的端元矩阵，则该矩阵表现出低秩结构。采用基于变分推断的最大似然估计方法来解决多层分解问题。提供了仿真结果以展示我们多层分解方法的性能。
引用
@article{arxiv.2401.14592,
title = {Multilayer Simplex-structured Matrix Factorization for Hyperspectral Unmixing with Endmember Variability},
author = {Junbin Liu and Yuening Li and Wing-Kin Ma},
journal= {arXiv preprint arXiv:2401.14592},
year = {2024}
}