ScholarMate
English简体中文繁體中文
客服热线:400-1616-289
登录注册
期刊论文

体积约束的稀疏NMF高光谱解混

王伞; 韩月; 王立国哈尔滨工程大学test
哈尔滨工程大学学报2019
7阅读
引用收藏
分享

摘要

为了解决单纯非负矩阵分解计算繁复,收敛速度慢的问题,本文提出了一种基于自然梯度下降的体积最小及丰度稀疏约束的非负矩阵分解方法。该方法在目标函数中加入体积最小和丰度稀疏约束,可以对混合图像进行较好地分解;采用自然梯度下降的方法进行迭代,加快了算法收敛速度。实验结果表明:该方法能有效克服最小体积约束非负矩阵分解法速度慢且不稀疏的缺陷,相对于解混效果(SAD)相近的方法提速100倍,相对于解混时间相近的算法,此方法的解混精度提高0. 02°;此方法尤其适用于像元较多的高光谱图像。

学科与关键词

关键词
高光谱图像线性光谱混合模型非负矩阵分解体积最小丰度稀疏自然梯度端元提取光谱解混 hyperspectral imagelinear spectral mixture modelnon-negative matrix factorization(NMF)minimum volumeabundance sparsitynatural gradientendmember extractionspectral unmixing
相关
加载中…
  • 分组寻优的多端元高光谱图像解混方法
    房森; 焦淑红应用科技, 2019, (06): 20-24+52.
  • Independent Component Analysis for Spectral Unmixing in Hyperspectral Remote Sensing Image
    LUO Wen fei; ZHONG Liang; ZHANG Bing; GAO Lian ru2010.
  • 凸体几何光谱解混研究进展及若干问题浅析
    许宁; 胡玉新; 耿修瑞遥感技术与应用, 2019, (05): 1028-1039.
查看全部 →

发表信息

论文状态
公开发表
期刊
哈尔滨工程大学学报
发表日期
2019
卷期
第 12 期
页码
2077-2082
成果收录
CHINAJOURNAL
资助标注
国家自然科学基金项目(61675051);

作者

  • 王

    王伞 (第一作者)

  • 韩

    韩月

查看全部 3 位作者收起作者
  • 王

    王立国

登录解锁更多功能

  • 收藏这篇,随时在“我的 · 收藏”找回
  • 认领你的成果,生成推广素材
  • 关注作者获取最新成果
  • 加入项目组、协同写作
注册 / 登录

产品服务

  • 科研之友
  • 创新城
  • 科创云

服务支持

  • 帮助中心
  • 隐私政策
  • 服务条款

联系方式

在线客服:【】
客服热线:400-1616-289
电子邮箱:support@scholarmate.com

关注或下载科研之友

微信二维码
微信公众号
客户端下载二维码
下载客户端
科研成果科研人员科研机构科研动态爱瑞思软件

©2026 深圳市科研之友网络服务有限公司

公安备案图标粤公网安备 44030502000213
粤ICP备 16046710 号粤B2-20110417