最小光谱相关约束NMF的高光谱遥感图像混合像元分解

王楠; 张良培; 杜博

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

最小光谱相关约束NMF的高光谱遥感图像混合像元分解

王楠, 张良培, 杜博

文章导航 > 武汉大学学报 ( 信息科学版) > 2014 > 39(1): 22-26

王楠, 张良培, 杜博. 最小光谱相关约束NMF的高光谱遥感图像混合像元分解[J]. 武汉大学学报 ( 信息科学版), 2014, 39(1): 22-26.

引用本文:

王楠, 张良培, 杜博. 最小光谱相关约束NMF的高光谱遥感图像混合像元分解[J]. 武汉大学学报 ( 信息科学版), 2014, 39(1): 22-26.

WANG Nan, ZHANG Liangpei, DU Bo. Minimum Spectral Correlation Constraint Algorithm Based on Non-negativeMatrix Factorization for Hyperspectral Unmixing[J]. Geomatics and Information Science of Wuhan University, 2014, 39(1): 22-26.

Citation:

WANG Nan, ZHANG Liangpei, DU Bo. Minimum Spectral Correlation Constraint Algorithm Based on Non-negativeMatrix Factorization for Hyperspectral Unmixing[J]. Geomatics and Information Science of Wuhan University, 2014, 39(1): 22-26.

最小光谱相关约束NMF的高光谱遥感图像混合像元分解

¹ 武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;² 武汉大学计算机学院,湖北武汉,430079

基金项目: 国家自然科学基金资助项目(61102128,41061130553)；国家973计划资助项目(2012CB719905,2011CB707105)

详细信息

作者简介:
王楠,博士生。主要从事高光谱遥感图像处理研究。

中图分类号: P231.5

Minimum Spectral Correlation Constraint Algorithm Based on Non-negativeMatrix Factorization for Hyperspectral Unmixing

¹State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China;²Computer School,Wuhan University,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(61102128,41061130553)；国家973计划资助项目(2012CB719905,2011CB707105)

摘要: 提出了一种最小化光谱相关度约束的非负矩阵分解方法。该方法根据高光谱遥感图像中端元之间具有不相关性这一特点,提出了一种光谱相关度函数。该函数度量光谱之间的相关程度,函数值越小,光谱间的相关度越小。通过联合最小化光谱相关度函数和非负矩阵分解误差函数,使获得的光谱之间具有最小的相关性,从而获得端元光谱以及组分图。模拟实验和真实实验证明了算法的有效性。
- 高光谱图像 /
- 混合像元分解 /
- 非负矩阵分解 /
- 光谱相关度
Abstract: This paper proposes minimum spectral correlation constraint algorithm based on non-nega-tive matrix factorization(MSCCNMF).According to the properties of non-correlation among the endmembers in a hyperspectral image,a spectral correlation function is proposed to measure the degree ofcorrelation between spectral signatures.The smaller the function value,the smaller the correlationbetween the spectra.By minimizing the spectral correlation function with the error function of non-negative matrix factorization,a set of spectra with smallest correlation can be obtained,considered asendmembers,and the corresponding abundances can be obtained simultaneously.Synthetic and realexperiments show the effectiveness of the proposed algorithm.
- hyperspectral image /
- hyperspectral unmxing /
- nonnegative matrix factorazation /
- spectralcorrelation

[1]	陈志坤, 江俊君, 姜鑫维, 白露, 蔡之华. 一种基于改进双边滤波的鲁棒高光谱遥感图像特征提取方法 . 武汉大学学报 ( 信息科学版), 2020, 45(4): 504-510. doi: 10.13203/j.whugis20180267
[2]	刘雅婷, 龚龑, 段博, 方圣辉, 彭漪. 多时相NDVI与丰度综合分析的油菜无人机遥感长势监测 . 武汉大学学报 ( 信息科学版), 2020, 45(2): 265-272. doi: 10.13203/j.whugis20180161
[3]	杨刚, 孙伟伟, 张殿发. 利用可分离非负矩阵分解实现高光谱波段选择 . 武汉大学学报 ( 信息科学版), 2019, 44(5): 737-744. doi: 10.13203/j.whugis20170174
[4]	吴柯, 何坦, 杨叶涛. 基于混合像元分解与EM算法的中低分辨率遥感影像变化检测 . 武汉大学学报 ( 信息科学版), 2019, 44(4): 555-562. doi: 10.13203/j.whugis20160546
[5]	林娜, 杨武年, 王斌. 利用核方法进行高光谱遥感图像线性解混 . 武汉大学学报 ( 信息科学版), 2017, 42(3): 355-361. doi: 10.13203/j.whugis20140787
[6]	王斐, 覃志豪, 宋彩英. 利用Landsat TM影像进行地表温度像元分解 . 武汉大学学报 ( 信息科学版), 2017, 42(1): 116-122. doi: 10.13203/j.whugis20140604
[7]	张乐飞, 何发智. 基于张量分解的超光谱图像降秩与压缩 . 武汉大学学报 ( 信息科学版), 2017, 42(2): 193-197. doi: 10.13203/j.whugis20140688
[8]	王毅, 李季. 基于SVM的高光谱遥感图像亚像元定位 . 武汉大学学报 ( 信息科学版), 2017, 42(2): 198-201. doi: 10.13203/j.whugis20150443
[9]	陈善学, 郑文静, 张佳佳, 李方伟. 变换域离散度排序的高光谱图像快速压缩算法 . 武汉大学学报 ( 信息科学版), 2016, 41(7): 868-874. doi: 10.13203/j.whugis20140270
[10]	黄远程, 钟燕飞, 赵野鹤, 朱卫恒. 联合盲分解与稀疏表达的高光谱图像异常目标检测 . 武汉大学学报 ( 信息科学版), 2015, 40(9): 1144-1150. doi: 10.13203/j .whu g is20140575
[11]	张春森, 李辉. 顾及混合像元分解的遥感图像光谱模拟 . 武汉大学学报 ( 信息科学版), 2013, 38(9): 1052-1056.
[12]	黄远程, 李平湘, 张良培. 基于交互最小二乘优化的高光谱影像端元光谱分析 . 武汉大学学报 ( 信息科学版), 2010, 35(10): 1217-1221.
[13]	徐元进, 胡光道, 张振飞. 基于光谱整体形态和局部吸收谷位置的高光谱遥感图像地物识别 . 武汉大学学报 ( 信息科学版), 2010, 35(7): 868-872.
[14]	徐元进, 胡光道, 张献. 基于穷举法的高光谱遥感图像地物识别研究 . 武汉大学学报 ( 信息科学版), 2008, 33(2): 124-127.
[15]	吴波, 汪小钦, 张良培. 端元光谱自动提取的总体最小二乘迭代分解 . 武汉大学学报 ( 信息科学版), 2008, 33(5): 457-460.
[16]	吴波, 张良培, 李平湘. 基于支撑向量机概率输出的高光谱影像混合像元分解 . 武汉大学学报 ( 信息科学版), 2006, 31(1): 51-54.
[17]	罗红霞, 龚健雅. UFCLS线性光谱混合分析法在遥感图像分类识别中的效果分析 . 武汉大学学报 ( 信息科学版), 2004, 29(7): 615-618.
[18]	舒宁. 关于多光谱和高光谱影像的纹理问题 . 武汉大学学报 ( 信息科学版), 2004, 29(4): 292-295.
[19]	张世强, 卢健, 刘时银. 利用TM高光谱图像提取青藏高原喀喇昆仑山区现代冰川边界 . 武汉大学学报 ( 信息科学版), 2001, 26(5): 435-440.
[20]	刘庆生, 刘高焕, 刘素红. 黄河口遥感图像光谱混合分解 . 武汉大学学报 ( 信息科学版), 2001, 26(3): 266-269.

点击查看大图

计量

文章访问数: 1141
HTML全文浏览量: 55
PDF下载量: 635
被引次数: 0

最小光谱相关约束NMF的高光谱遥感图像混合像元分解

¹ 武汉大学测绘遥感信息工程国家重点实验室,湖北武汉,430079;² 武汉大学计算机学院,湖北武汉,430079

基金项目: 国家自然科学基金资助项目(61102128,41061130553)；国家973计划资助项目(2012CB719905,2011CB707105)

作者简介:
王楠,博士生。主要从事高光谱遥感图像处理研究。

收稿日期: 2013-10-21
修回日期: 2014-01-05
刊出日期: 2014-01-05

中图分类号: P231.5

关键词:

摘要: 提出了一种最小化光谱相关度约束的非负矩阵分解方法。该方法根据高光谱遥感图像中端元之间具有不相关性这一特点,提出了一种光谱相关度函数。该函数度量光谱之间的相关程度,函数值越小,光谱间的相关度越小。通过联合最小化光谱相关度函数和非负矩阵分解误差函数,使获得的光谱之间具有最小的相关性,从而获得端元光谱以及组分图。模拟实验和真实实验证明了算法的有效性。