基于子空间结构正则化的L_(21)非负矩阵分解高光谱解混
L_(21) Nonnegative Matrix Factorization for Hyperspectral Unmixing Based on Subspace Structure Regularization作者机构:重庆邮电大学通信与信息工程学院重庆400065 移动通信技术重庆市重点实验室重庆400065
出 版 物:《电子与信息学报》 (Journal of Electronics & Information Technology)
年 卷 期:2022年第44卷第5期
页 面:1704-1713页
核心收录:
学科分类:0711[理学-系统科学] 0808[工学-电气工程] 07[理学]
基 金:国家自然科学基金(61271260) 重庆市教委科学技术研究项目(KJ1400416)。
主 题:高光谱解混 非负矩阵分解 L_(21)范数 双重加权稀疏 子空间结构
摘 要:标准的非负矩阵分解(NMF)应用于高光谱解混时,容易受到噪声和异常值的干扰,解混效果较差。为了提高分解性能,该文将L_(21)范数引入标准的NMF算法中,对模型进行了改进,从而提高算法的鲁棒性。其次,为了提高分解后丰度矩阵的稀疏性,将双重加权稀疏约束引入L_(21)NMF模型中,使其中一个权值提高每个像元对应的丰度向量上的稀疏性,另一个权值提高每个端元对应的丰度向量上的稀疏性。同时,为了利用像元的全局空间分布信息,观察地物在不同图像中的真实分布情况,引入子空间结构正则项,提出了基于子空间结构正则化的L_(21)非负矩阵分解(L_(21)NMF-SSR)算法。通过在模拟数据集和真实数据集与其他经典算法的比较,验证了该算法具有更好的性能,同时具有去噪能力。