基于多层 NMF 的高光谱图像光谱解混
计算机视觉与模式识别
2014-08-13 v1
摘要
由于高光谱传感器的空间分辨率较低，高光谱图像包含混合像元。光谱解混问题是指将混合像元分解为一组端元和丰度分数。由于丰度分数具有非负约束，非负矩阵分解 (NMF) 方法已被广泛用于解决光谱解混问题。本文提出使用多层 NMF (MLNMF) 进行高光谱解混。在该方法中，光谱特征矩阵可建模为稀疏矩阵的乘积。事实上，MLNMF 在多个层中迭代地分解观测矩阵。在每一层中，我们对光谱特征矩阵以及丰度分数矩阵施加稀疏性约束。通过这种方式，尽管特征矩阵通常不是稀疏矩阵，但仍可对其进行稀疏分解。所提出的算法应用于合成数据集和真实数据集。合成数据是基于 USGS 光谱库中的端元生成的。AVIRIS Cuprite 数据集被用作评估所提出方法的真实数据集。实验结果基于 SAD 和 AAD 指标进行了量化。与先前提出的方法相比，结果表明多层方法能更有效地解混数据。
引用
@article{arxiv.1408.2810,
title = {Spectral Unmixing of Hyperspectral Imagery using Multilayer NMF},
author = {Roozbeh Rajabi and Hassan Ghassemian},
journal= {arXiv preprint arXiv:1408.2810},
year = {2014}
}
备注
5 pages, Journal