基于 Correntropy 度量的鲁棒高光谱解混
计算机视觉与模式识别
2013-06-03 v1
摘要
高光谱解混是许多高光谱应用的关键步骤之一。在端元和丰度均未知的无监督工作设置中，高光谱解混问题已被证明是一项困难的任务。此外，在光谱波段受噪声退化的情况下，该任务更具挑战性。本文提出了一种用于无监督高光谱解混的鲁棒模型。具体而言，我们的模型基于 correntropy 度量开发，并对端元和丰度施加非负约束以保持物理意义。此外，显式 formulated 了一个稀疏先验以约束每个端元的丰度分布。为求解我们的模型，开发了一种半二次优化技术，将原始复杂优化问题转化为具有稀疏约束的迭代重加权非负矩阵分解 (NMF)。因此，我们模型的优化能够自适应地为噪声波段分配较小权重，并更加重视无噪声波段。此外，借助稀疏约束，我们的模型可以自然地生成稀疏丰度。在合成数据和真实数据上的实验表明，与相关的最先进解混模型相比，我们的模型是有效的。
引用
@article{arxiv.1305.7311,
title = {Robust Hyperspectral Unmixing with Correntropy based Metric},
author = {Ying Wang and Chunhong Pan and Shiming Xiang and Feiyun Zhu},
journal= {arXiv preprint arXiv:1305.7311},
year = {2013}
}
备注
arXiv admin note: text overlap with arXiv:1202.6294 by other authors