PCA联合字典的稀疏系数NMF融合

作     者：孙小芳 SUN Xiaofang

作者机构：闽江学院地理科学系福州350121 

出 版 物：《国土资源遥感》 (Remote Sensing for Land & Resources)

年 卷 期：2018年第30卷第4期

页      面：56-61页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家自然科学基金项目"基于MODIS BRDF产品的叶片聚集度系数遥感反演与验证"(编号:41271354) 福建省科技厅项目"基于高光谱特征与目标分割的城市地物识别研究"(编号:2015J01627) 闽江学院资助项目"基于稀疏的高光谱与高分辨率遥感融合与解混"(编号:MYK17013)共同资助 

主　　题：PCA联合稀疏字典 在线字典学习法 OMP算法 NMF融合 

摘      要：为了减少混合像元对字典建立的影响,结合在线字典学习法与主成分分析(principal component analysis,PCA)法提取全色与各分解影像字典的第一主成分分量构成PCA联合稀疏字典。该字典包括多光谱影像特征与高空间分辨率影像特征,同时考虑到了混合像元问题。使用PCA联合稀疏字典进行正交匹配追踪法(orthogonal matching pursuit,OMP)计算,分别得到全色与多光谱影像的稀疏系数,采用非负矩阵分解(nonnegative matrix factor,NMF)融合算法得到融合影像的稀疏系数,进行重构生成融合影像。对字典矩阵大小的研究,考虑到重构图像的均方根误差与计算机运算的限制,最终确定稀疏字典矩阵大小为64像元×480像元。采用5种定量融合评定指标对本文方法与联合字典NMF方法、小波方法和PCA方法的影像融合结果进行分析比较,结果表明本文方法既可提高融合影像的纹理细节信息,也能较好地保持多光谱信息,获得更好的融合效果。