体积约束的稀疏NMF高光谱解混

作者：王伞; 韩月; 王立国

来源：哈尔滨工程大学学报, 2019, (12): 2077-2082.

• 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 image
• linear spectral mixture model
• non-negative matrix factorization(NMF)
• minimum volume
• abundance sparsity
• natural gradient
• endmember extraction
• spectral unmixing

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。

• 单位
  哈尔滨工程大学