咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >稀疏差异先验信息支持的高光谱图像稀疏解混算法 收藏

稀疏差异先验信息支持的高光谱图像稀疏解混算法

Sparse hyperspectral unmixing algorithm supported by sparse difference prior information

作     者:张作宇 廖守亿 孙大为 张合新 王仕成 ZHANG Zuoyu;LIAO Shouyi;SUN Dawei;ZHANG Hexin;WANG Shicheng

作者机构:火箭军工程大学陕西西安710025 火箭军士官学校山东青州262500 

出 版 物:《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期:2020年第49卷第8期

页      面:1032-1041页

核心收录:

学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基  金:国家自然科学基金(61673017 61403398) 

主  题:高光谱图像 解混 稀疏回归 光谱差异 光谱库校正 

摘      要:基于光谱库的高光谱稀疏解混技术近年来得到了人们的关注,该技术利用光谱库中光谱样本作为端元,将解混问题转化为稀疏表示问题。然而,由于测量环境的差异,待解混图像的实际端元往往与光谱库中相应光谱信号存在差异。本文提出了一种光谱差异稀疏约束的联合稀疏回归解混算法。首先,假设光谱差异具有稀疏特性,建立了光谱库校正模型,使得在解混过程中可对光谱库进行自适应地调整;然后,将光谱库校正模型与联合稀疏回归解混模型结合,建立了考虑光谱差异的稀疏解混模型;最后,基于交替方向乘子法得到了迭代优化解决方案。分别利用仿真和真实高光谱数据进行了试验验证,结果表明,在光谱库不匹配的情形下,本文方法能够有效提高稀疏解混算法的解混性能。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分