基于鲁棒统计 NMF 的高光谱数据解混
计算机视觉与模式识别
2012-12-06 v1
摘要
由于高光谱传感器的空间分辨率较低，高光谱图像中会出现混合像元。光谱解混将混合像元光谱分解为端元光谱和丰度分数。本文研究了基于鲁棒统计的非负矩阵分解（RNMF）在高光谱数据光谱解混中的应用。RNMF 使用鲁棒代价函数和迭代更新过程，因此对异常值不敏感。该方法已使用 USGS 光谱库、AVIRIS 和 ROSIS 数据集应用于模拟数据。解混结果与基于 SAD 和 AAD 度量的传统 NMF 方法进行了比较。结果表明，该方法可有效用于高光谱解混目的。
引用
@article{arxiv.1212.0888,
title = {Unmixing of Hyperspectral Data Using Robust Statistics-based NMF},
author = {Roozbeh Rajabi and Hassan Ghassemian},
journal= {arXiv preprint arXiv:1212.0888},
year = {2012}
}
备注
4 pages, conference