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:
因现有的高光谱协同稀疏解混模型忽略了不同像元所包含端元的差异性,影响到丰度估计的准确性。该文提出一种先对具有相同端元的像元进行无监督聚类的预处理,然后对预处理后的不同类高光谱像元进行协同稀疏解混算法。在无监督聚类过程中,由于具有相同原子集合的像元之间的协同稀疏编码值最小,将重构误差与协同稀疏编码约束之和作为距离测度,从而有效保证了同类像元中具有相同端元;再利用基于ADMM的优化算法对每类像元分别进行协同稀疏解混。仿真和实际高光谱数据实验结果表明,该算法能有效地进行真实端元识别,从而提高了丰度估计的准确性。
推荐文章
基于空间加权协同稀疏的高光谱解混算法研究
高光谱图像
稀疏解混
空间加权
协同稀疏回归
一种基于协同稀疏和全变差的高光谱线性解混方法
高光谱图像
协同稀疏
TV正则项
线性光谱解混
交替方向乘子法
一种考虑光谱变异性的高光谱图像非线性解混算法
高光谱图像
非线性光谱解混
光谱变异性
核方法
平滑约束
基于ANN端元估计的高光谱图像解混算法
高光谱图像解混
人工神经网络
端元估计
差分搜索算法
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 考虑端元差异性的协同稀疏高光谱解混算法
来源期刊 电子科技大学学报 学科 工学
关键词 丰度估计 协同编码 端元 高光谱图像 稀疏解混
年,卷(期) 2014,(6) 所属期刊栏目 通信与信息工程
研究方向 页码范围 813-816,828
页数 5页 分类号 TP751.1
字数 3513字 语种 中文
DOI 10.3969/j.issn.1001-0548.2014.06.003
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 尹忠科 西南交通大学信息科学与技术学院 88 1741 22.0 38.0
2 李恒超 西南交通大学信息科学与技术学院 14 225 6.0 14.0
3 王蕊 西南交通大学信息科学与技术学院 11 72 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (15)
参考文献  (6)
节点文献
引证文献  (4)
同被引文献  (1)
二级引证文献  (5)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(2)
  • 参考文献(1)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
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
丰度估计
协同编码
端元
高光谱图像
稀疏解混
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
电子科技大学学报
双月刊
1001-0548
51-1207/T
大16开
成都市成华区建设北路二段四号
62-34
1959
chi
出版文献量(篇)
4185
总下载数(次)
13
总被引数(次)
36111
论文1v1指导