盲源分离的神经网络：一种 novel MatrixConv Unmixing（MCU）方法
图像与视频处理
2025-03-13 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
遥感图像（HSI）分离是一个具有挑战性的研究问题，旨在通过分析由遥感相机捕获的图像来识别场景中组成成分，称为内成员，以及其相应的比例，称为丰度。在机器学习技术特别是卷积神经网络（CNN）的推动下，最近提出了许多基于深度学习的分离方法。然而，这些方法面临两个显著挑战：1.它们经常产生缺乏物理意义的结果，例如对应于未知或不存在材料的光谱。2.CNN作为通用网络结构，不是专门为分离任务量身定制的。在回应这些关切，我们的工作灵感来自双深图像先验（DIP）技术和算法展开，提出了一种有效解决这两个问题的新型网络结构。具体而言，我们首先提出一种用于内成员和丰度估计的MatrixConv分离（MCU）方法，可通过特定的迭代求解器来求解。我们然后展开这些求解器以构建两个子网络，内成员估计DIP（UEDIP）和丰度估计DIP（UADIP），用于分别生成内成员和丰度的估计。整个网络通过组装这两个子网络来构建。为了生成有意义的分离结果，我们还提出了一种复合损失函数。为了进一步提高分离质量，我们还会显式地为内成员和丰度估计添加正则化器。所提出的方法在合成数据和真实数据上进行了有效测试。
引用
@article{arxiv.2503.08745,
title = {Neural Network for Blind Unmixing: a novel MatrixConv Unmixing (MCU) Approach},
author = {Chao Zhou and Wei Pu and Miguel Rodrigues},
journal= {arXiv preprint arXiv:2503.08745},
year = {2025}
}