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:
针对高光谱图像中含有大量混合像元,且大多数解混算法未能利用真实地物信息的问题,提出了一种利用先验信息约束的非负矩阵分解方法对高光谱进行解混.首先利用顶点成分分析法和全约束最小二乘法分别对端元矩阵和丰度矩阵进行初始化,然后利用本文算法对高光谱数据进行解混,最后对估计端元和估计丰度进行评价分析.实验显示,利用本文提出的方法对数据解混的结果优于其他约束的非负矩阵分解算法得到的结果,在求解过程中有很好的抗噪性能.
推荐文章
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
体积约束的稀疏NMF高光谱解混
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
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
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 先验信息约束NMF的高光谱解混
来源期刊 应用科技 学科 工学
关键词 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
年,卷(期) 2019,(4) 所属期刊栏目 现代电子技术
研究方向 页码范围 77-81
页数 5页 分类号 TP751
字数 3582字 语种 中文
DOI 10.11991/yykj.201809022
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 康维新 哈尔滨工程大学信息与通信工程学院 35 128 6.0 9.0
2 李慧 哈尔滨工程大学信息与通信工程学院 25 107 5.0 10.0
3 韩月 哈尔滨工程大学信息与通信工程学院 4 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  (30)
共引文献  (12)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(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)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(3)
  • 参考文献(1)
  • 二级参考文献(2)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
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
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
应用科技
双月刊
1009-671X
23-1191/U
大16开
哈尔滨市南通大街145号1号楼
14-160
1974
chi
出版文献量(篇)
4861
总下载数(次)
7
总被引数(次)
21528
论文1v1指导