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:
在高光谱像元解混应用中,好的端元光谱矩阵初始化方法对于提高盲信号分解精度具有重要意义.针对空间分辨率较高的高光谱数据,提出了一种新的面向非负矩阵分解(non-negative matrix factorization,NMF)的初始化方法.该方法通过计算像元在谱线形状和信息量差异等方面的参数,利用像元谱线峭度、KL散度和光谱角等参量,从众多混合像元中识别出纯像元;并分辨出不同类型纯像元(或类纯像元)之间的差别,从中选择最适合代表每一类型端元的纯像元(或类纯像元)作为算法的初值像元,完成端元矩阵的初始化.将此方法分别用于模拟数据和真实数据的实验结果表明,该方法能够明显提高高光谱混合数据的NMF精度,相比其他常用初始化方法具有更好的效果.
推荐文章
基于形状共享初始化主动轮廓模型的图像分割方法
初始形状
局部形状匹配
全局形状映射
彩色梯度
基于差分搜索的高光谱图像解混算法
高光谱图像解混
差分搜索算法
盲源分离
丰度非负约束
丰度和为一约束
互信息
先验信息约束NMF的高光谱解混
高光谱图像
非负矩阵分解
先验信息
数据解混
端元
丰度
混合像元
结合FDA与NMF的高光谱数据解混方法
高光谱
光谱解混
Fisher判别分析
非负矩阵分解
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 基于谱线形状与信息量差异的高光谱 解混NMF初始化方法
来源期刊 国土资源遥感 学科 工学
关键词 初始化 盲信号分解 非负矩阵分解(NMF) 谱线形状 信息量差异
年,卷(期) 2017,(4) 所属期刊栏目 技术方法
研究方向 页码范围 114-119
页数 6页 分类号 TP751
字数 4966字 语种 中文
DOI 10.6046/gtzyyg.2017.04.17
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 袁德有 南阳理工学院数学与统计学院 20 18 2.0 3.0
2 袁林 南阳理工学院经济管理学院 3 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (13)
参考文献  (7)
节点文献
引证文献  (2)
同被引文献  (14)
二级引证文献  (0)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(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)
2020(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
初始化
盲信号分解
非负矩阵分解(NMF)
谱线形状
信息量差异
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
国土资源遥感
季刊
1001-070X
11-2514/P
大16开
北京学院路31号航空物探遥感中心
1988
chi
出版文献量(篇)
2374
总下载数(次)
2
总被引数(次)
37077
论文1v1指导