基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
非负矩阵分解通过将一个非负矩阵分解为两个正矩阵的乘积,已经广泛的应用于高光谱图像解混.但是非负矩阵分解直接应用于高光谱图像混合像元分解时收敛速度比较慢,容易陷入局部最优解.本文首先介绍了非负矩阵分解的基本原理,然后利用自动形态学端元提取方法获取端元光谱对非负矩阵分解中端元矩阵进行初始化.在保证非负矩阵分解中非负性和分解精度基础上,利用高光谱图像中端元光谱的非负性及其空间分布的连续性、稀疏性来对非负矩阵分解进行约束限制,其中稀疏性度量是通过非平滑的NMF算法和稀疏约束的NMF算法来实现的.最后采用多步内循环迭代的方法更新端元矩阵和丰度矩阵完成高光谱图像解混,对实际的高光谱图像进行解混取得了较好分类效果.
推荐文章
基于约束非负矩阵分解的混合象元分解新方法
混合象元分解
顶点成分分析
最小二乘
约束的非负矩阵分解
基于正交非负矩阵分解的高光谱遥感图像混合像元分解
非负矩阵分解
高光谱遥感图像
混合像元分解
基于非负矩阵分解的高光谱遥感图像混合像元分解
高光谱遥感图像
混合像元分解
非负矩阵分解
丰度分离性
丰度平滑性
基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究
高光谱图像中混合像元分解
约束非负矩阵分解方法
MVC-NMF
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于非负矩阵分解的高光谱图像混合像元分解
来源期刊 光电工程 学科 工学
关键词 高光谱解混 非负矩阵分解 自动形态学 端元提取
年,卷(期) 2012,(12) 所属期刊栏目
研究方向 页码范围 97-102
页数 分类号 TP391
字数 3663字 语种 中文
DOI 10.3969/j.issn.1003-501X.2012.12.016
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐智勇 中国科学院光电技术研究所 57 441 12.0 17.0
2 蔡敬菊 中国科学院光电技术研究所 16 135 8.0 11.0
3 张建林 中国科学院光电技术研究所 31 221 11.0 14.0
4 孙旭光 中国科学院光电技术研究所 3 28 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (5)
节点文献
引证文献  (12)
同被引文献  (13)
二级引证文献  (10)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(9)
  • 引证文献(8)
  • 二级引证文献(1)
2016(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
高光谱解混
非负矩阵分解
自动形态学
端元提取
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
光电工程
月刊
1003-501X
51-1346/O4
大16开
四川省成都市双流350信箱
1974
chi
出版文献量(篇)
4776
总下载数(次)
5
论文1v1指导