用于平滑高光谱解混的全变分正则化非负矩阵分解
最优化与控制
2017-06-29 v1
摘要
高光谱分析近年来作为一种推断图片上所显示材料的方法而受到欢迎，该图片的像素由光谱特征的组合构成。计算特征与混合系数被称为无监督解混，这是一组通常基于非负矩阵分解的技术。解混是一个困难的非凸问题，算法可能收敛到许多局部极小值之一，而这些局部极小值可能远离真实的全局最小值。计算该真实最小值是NP难的，因此似乎难以实现。为了获得有意义的局部极小值，我们研究添加全变分正则化项。这些正则化器的优势有两个方面。它们的计算通常相当轻量，并且被认为能保留图像中的锐利边缘。本文描述了一种基于交替方向乘子法的正则化高光谱解混算法。
引用
@article{arxiv.1706.09242,
title = {Total variation regularized non-negative matrix factorization for smooth hyperspectral unmixing},
author = {Adrien Faivre and Clément Dombry},
journal= {arXiv preprint arXiv:1706.09242},
year = {2017}
}