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
- 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 ImageLUO 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.
