利用丰度图低秩表示与非负张量分解的高光谱非线性解混
计算机视觉与模式识别
2022-01-05 v1 图像与视频处理
摘要
基于张量的方法已被广泛研究以处理高光谱成像中的逆问题，因为高光谱图像（HSI）立方体可自然表示为三阶张量，从而完美保留图像中的空间信息。在本文中，我们将线性张量方法推广至非线性张量方法，并提出一种非线性低秩张量解混算法来求解广义双线性模型（GBM）。具体而言，GBM的线性部分与非线性部分均可表示为张量。此外，通过最小化丰度图与非线性相互作用丰度图的核范数，利用其低秩结构，从而充分发掘HSI中高度的空间相关性。合成与真实数据实验表明，我们所利用的丰度图与非线性相互作用丰度图的低秩性可提升非线性解混性能。为可复现起见，本工作的MATLAB示例将发布于 https://github.com/LinaZhuang。
引用
@article{arxiv.2103.16204,
title = {Using Low-rank Representation of Abundance Maps and Nonnegative Tensor Factorization for Hyperspectral Nonlinear Unmixing},
author = {Lianru Gao and Zhicheng Wang and Lina Zhuang and Haoyang Yu and Bing Zhang and Jocelyn Chanussot},
journal= {arXiv preprint arXiv:2103.16204},
year = {2022}
}