高光谱图像中非线性混合像元的非参数检测与端元估计
计算机视觉与模式识别
2017-11-27 v1
摘要
高光谱图像中的混合现象取决于多种因素，如观测设备的分辨率、材料属性以及这些材料如何与场景中的入射光相互作用。人们已考虑了不同的参数和非参数模型来解决高光谱解混问题。最简单的是线性混合模型。然而，人们已认识到混合现象也可能是非线性的。相应的非线性分析技术必然比用于线性解混的技术更具挑战性和复杂性。在此背景下，在分析图像之前先检测其中的非线性混合像元，然后采用尽可能简单的解混技术分析每个像元是有意义的。在本文中，我们提出了一种检测非线性混合像元的技术。该检测方法基于比较高斯过程回归模型和线性回归模型的重建误差。这两个误差被组合成一个检测统计量，其概率密度函数可以被合理近似。我们还提出了一种迭代端元提取算法，可与检测算法结合使用。所提出的“先检测后解混”(Detect-then-Unmix) 策略包括提取端元、检测非线性混合像元和解混，并在合成图像和真实图像上进行了测试。
引用
@article{arxiv.1503.05521,
title = {Nonparametric Detection of Nonlinearly Mixed Pixels and Endmember Estimation in Hyperspectral Images},
author = {Tales Imbiriba and José Carlos Moreira Bermudez and Cédric Richard and Jean-Yves Tourneret},
journal= {arXiv preprint arXiv:1503.05521},
year = {2017}
}