基于鲁棒非负矩阵分解的非线性高光谱解混
统计方法学
2015-10-28 v2 机器学习
摘要
本文引入一种鲁棒混合模型，用于描述由多种纯光谱特征混合产生的高光谱数据。该新模型不仅推广了常用的线性混合模型，还基于对非线性效应的温和假设，使得可能的非线性效应易于处理。光谱解混固有的非负性与和为一约束，与施加在非线性分量上的组稀疏约束相结合，形成了一种新的鲁棒非负矩阵分解形式。数据保真项表示为β散度，这是一族连续的差异性度量，以平方欧几里得距离和广义Kullback-Leibler散度作为特例。通过涉及优化-最小化更新的块坐标下降法最小化带惩罚的目标函数。在合成数据与真实数据上的仿真结果表明，所提出的策略可与当前最先进的线性和非线性解混方法相媲美。
引用
@article{arxiv.1401.5649,
title = {Nonlinear hyperspectral unmixing with robust nonnegative matrix factorization},
author = {Cédric Févotte and Nicolas Dobigeon},
journal= {arXiv preprint arXiv:1401.5649},
year = {2015}
}