按:   检索词:   从
   最新录用    过刊检索
基于空间加权协同稀疏的高光谱解混算法研究
投稿时间:2017-10-26    点此下载全文
引用本文:朱昌宇,张绍泉,李军,李恒超.基于空间加权协同稀疏的高光谱解混算法研究[J].南京信息工程大学学报,2018,(1):92~101
摘要点击次数: 149
全文下载次数: 102
作者单位E-mail
朱昌宇 中山大学 地理科学与规划学院, 广州, 510275  
张绍泉 中山大学 地理科学与规划学院, 广州, 510275  
李军 中山大学 地理科学与规划学院, 广州, 510275 lijun48@mail.sysu.edu.cn 
李恒超 西南交通大学 信息科学与技术学院, 成都, 610031  
基金项目:国家自然科学基金(61771496,61371165);广东省自然科学基金(2016A030313254)
中文摘要:针对传统稀疏解混算法因空间信息利用不足带来的丰度图像空间分布连续性差的问题,本文提出了一种基于空间加权协同稀疏的解混方法.该方法利用协同稀疏正则项刻画丰度系数的行稀疏性;同时,在协同稀疏框架下,引入空间加权因子挖掘高光谱图像邻域像元间的空间相关性.本模型采用交替方向乘子法求解,通过交替迭代,对空间权重和丰度系数进行优化.模拟和真实高光谱数据实验结果表明本文方法能够比现有同类方法获得更精确的解混结果.
中文关键词:高光谱图像  稀疏解混  空间加权  协同稀疏回归
 
Spatially weighted collaborative sparse unmixing for hyperspectral images
Abstract:In this paper,we propose a spatially weighted collaborative sparse unmixing method aiming at fully exploiting the spatial information in the hyperspectral images,in which a collaborative sparse regularizer is used to describe the row sparsity of the abundance,while on the top of the collaborative regularizer,a spatial weighting factor introducing the spatial correlations is incorporated.The proposed model is optimized by the well known alternating direction method of multiplier.Our experimental results,conducted using both simulated and real hyperspectral data sets,illustrate the good potential of the proposed algorithm which can greatly improve the abundance estimation results when compared with other advanced sparse unmixing methods.
keywords:hyperspectral imaging  sparse unmixing  spatially weighted  collaborative sparse regression
查看全文  查看/发表评论  下载PDF阅读器

您是本站第 811496 位访问者
版权所有:南京信息工程大学期刊社《南京信息工程大学学报》编辑部     
地址:江苏南京,宁六路219号,南京信息工程大学