检索结果-内蒙古大学图书馆

遥感学报 2020年第4期24卷 401-416页

作者：祝伟王雪黄岩杜培军谭琨中国矿业大学自然资源部国土环境与灾害监测重点实验室徐州221116 华东师范大学地理信息科学教育部重点实验室上海200241 江苏省地质勘察技术院南京210049 南京大学自然资源部卫星测绘技术与应用重点实验室南京210023

近年来,非负矩阵分解NMF (Nonnegative Matrix Factorization)由于其简单有效的特点,已被广泛应用于解混。由于传统的NMF只有单层结构,不能获取隐藏层的信息,其解混效果受到制约,为了研究影像的深度空谱特征,本文在深度NMF结构的基础上... 详细信息

近年来,非负矩阵分解NMF (Nonnegative Matrix Factorization)由于其简单有效的特点,已被广泛应用于解混。由于传统的NMF只有单层结构,不能获取隐藏层的信息,其解混效果受到制约,为了研究影像的深度空谱特征,本文在深度NMF结构的基础上,提出了一种基于全变差和重加权稀疏约束的深度非负矩阵分解(RSDNMF-TV)算法。首先,使用深度NMF模型代替传统单层NMF模型,在预训练阶段进行逐层预训练,而在微调阶段减少分解误差。其次,由于丰度矩阵是稀疏的,本文在深度NMF模型中加入重加权稀疏正则化项,其权值则根据丰度矩阵自适应更新。最后,进一步引入全变差正则化项,以利用空间信息并促进丰度图的分段平滑性。论文采用梯度下降法推导出乘性迭代规则,为验证所提出的RSDNMF-TV算法的有效性,利用模拟数据集、Cuprite数据集以及高分五号数据集进行实验,并与其他经典方法作对比,结果发现本方法具有更好的解混效果,同时具有一定的去噪能力。

关键词：遥感高光谱解混深度学习深度非负矩阵分解重加权稀疏全变差

来源：评论

学校读者我要写书评

暂无评论

图正则重加权稀疏约束的深度非负矩阵分解算法用于高光谱图像解混

引用

中国测试 2022年第12期48卷 154-161,180页

作者：蒋永丛何飞河南林业职业学院信息与艺术设计系河南洛阳471002 郑州大学信息工程学院河南郑州450001

为有效挖掘高光谱图像隐层信息以提升混合像元的分解精度,提出一种图正则的重加权稀疏深度非负矩阵分解算法。算法考虑图像丰度矩阵在局部所具有的浅层图结构信息以及在全局所具有的稀疏特性,通过融合图正则项和基于重加权的稀疏正则项... 详细信息

为有效挖掘高光谱图像隐层信息以提升混合像元的分解精度,提出一种图正则的重加权稀疏深度非负矩阵分解算法。算法考虑图像丰度矩阵在局部所具有的浅层图结构信息以及在全局所具有的稀疏特性,通过融合图正则项和基于重加权的稀疏正则项及非负矩阵的多层深度结构来提升对混合像元的分解能力。通过乘法更新规则对深度非负矩阵分解算法进行逐层更新以优化全局框架。基于光谱角度距离和均方根误差评价指标,在模拟数据集和真实数据集上的实验显示所提出的算法相比其他典型算法分别有最大约63%和9.7%的解混精度增益。实验证明所提出的图正则重加权稀疏约束的深度非负矩阵分解算法能有效提升高光谱图像的解混精度,更好地服务于国家重大需求。

关键词：高光谱图像图拉普拉斯重加权稀疏深度非负矩阵高光谱图像解混

来源：评论

学校读者我要写书评

暂无评论

基于约束空间光谱联合的亚像素定位方法

引用

光电子．激光 2022年第11期33卷 1139-1147页

作者：徐文结郭宝峰迟昊宇许张弛吴文豪杭州电子科技大学自动化学院浙江杭州310018

针对高光谱遥感图像,提出了一种约束空间光谱的亚像素定位方法。传统的亚像素定位方法以解混的结果作为输入,可能无法充分利用高光谱图像丰富的光谱信息。本文所提出的基于约束空间光谱联合的亚像素定位方法(constraint spatial-spectra... 详细信息

针对高光谱遥感图像,提出了一种约束空间光谱的亚像素定位方法。传统的亚像素定位方法以解混的结果作为输入,可能无法充分利用高光谱图像丰富的光谱信息。本文所提出的基于约束空间光谱联合的亚像素定位方法(constraint spatial-spectral subpixel mapping,CSSSM),利用下采样将像素丰度与亚像素丰度显式联系起来,代入线性解混模型得到亚像素丰度求解的新模型。在求解过程中,通过添加稀疏性约束与平滑性约束,以限制亚像素丰度的解空间,亚像素丰度求解更精确。其中,针对亚像素丰度稀疏性先验采用重加权1范数作为新的约束,并自适应地更新权重;针对亚像素丰度空间先验信息则采用全变分(total variational,TV)正则化作为约束,然后使用乘法迭代算法求解亚像素丰度,最后利用赢者通吃的策略进行类别确定。在两个合成数据集上进行了实验,结果表明,本方法能够进一步提高亚像素定位的精度。

关键词：高光谱图像亚像素定位亚像素丰度重加权稀疏全变分正则化赢者通吃

来源：评论

学校读者我要写书评

暂无评论

基于图拉普拉斯正则化的柯西非负矩阵分解高光谱解混

引用

激光与光电子学进展 2024年第14期61卷 268-278页

作者：陈善学许少华重庆邮电大学通信与信息工程学院移动通信教育部工程研究中心重庆400065 重庆邮电大学通信与信息工程学院移动通信技术重庆市重点实验室重庆400065

基于欧氏距离标准的非负矩阵分解(NMF)在面对含有噪声和异常像元污染的高光谱图像时,容易造成解混的失败。为了抑制噪声或异常像元的影响,采用基于柯西损失函数的NMF模型以提高解混的鲁棒性。由于对异常值的抑制可能会破坏高光谱图像内... 详细信息

基于欧氏距离标准的非负矩阵分解(NMF)在面对含有噪声和异常像元污染的高光谱图像时,容易造成解混的失败。为了抑制噪声或异常像元的影响,采用基于柯西损失函数的NMF模型以提高解混的鲁棒性。由于对异常值的抑制可能会破坏高光谱图像内在的丰度结构,因此为保证原始高光谱内部数据不被破坏,将图拉普拉斯约束引入模型中。同时,为提高丰度矩阵的稀疏性,提高解混性能,引入重加权稀疏约束项,提出基于图拉普拉斯正则化的柯西非负矩阵(CNMF-GLR)分解的算法。考虑到图拉普拉斯约束对邻域选择的需求,使用局部邻域加权的方法,通过矩形窗结构来确定局部邻域。在模拟数据集和真实数据集上使用相同初始化条件与其他经典算法进行比较,结果表明,所提算法具有更好的鲁棒性和解混性能。

关键词：高光谱解混非负矩阵分解柯西损失函数图拉普拉斯重加权稀疏

来源：评论

学校读者我要写书评

暂无评论

高光谱图像亚像元定位方法研究

高光谱图像亚像元定位方法研究

引用

作者：徐文结杭州电子科技大学

学位级别：硕士

由于光谱成像技术空间分辨率的限制以及地物分布的复杂性,导致一个像元内可能存在多种不同的地物类型,该像元称为混合像元。混合像元的存在是高光谱图像进行定量研究的主要阻碍之一。高光谱图像亚像元定位技术是解决混合像元问题的关键... 详细信息

由于光谱成像技术空间分辨率的限制以及地物分布的复杂性,导致一个像元内可能存在多种不同的地物类型,该像元称为混合像元。混合像元的存在是高光谱图像进行定量研究的主要阻碍之一。高光谱图像亚像元定位技术是解决混合像元问题的关键技术。近些年来,如何充分利用高光谱图像空间信息和光谱信息解决亚像元定位问题备受关注,但该类方法目前依然存在着求解空间大,定位精度不足等问题。针对以上问题,本文重点围绕空间光谱亚像元定位方向展开研究。本文的主要研究工作概括如下:1.针对亚像元丰度求解模型容易陷入局部最优解问题,本文提出了一种基于约束的空间光谱亚像元定位方法。首先,由于亚像素丰度矩阵具有平滑性特点,将各向异性全变分引入到亚像元丰度求解模型中,以促进亚像元丰度矩阵平滑性。其次,由于亚像元丰度矩阵具有稀疏性特点,将重加权1范数作为稀疏正则化项引入到亚像元丰度求解模型中,以促进亚像元丰度矩阵稀疏性。然后,使用迭代原理求解亚像元丰度。接着,使用类别确定策略进行最终亚像元定位。最后,利用两个数据集进行实验,结果表明,本文所提方法在亚像元定位精度上有所改善。2.针对如何解决各向同性全变分在空间光谱亚像元定位中的应用问题,本文第三章提出了一种基于各向同性全变分空间光谱联合亚像元定位方法。将各向同性全变分作为约束项施加到亚像元丰度求解模型中。各向同性全变分属于非凸优化问题,不可微,难以求解,本文采用Split Bregman算法进行解决。在两个数据集上与各向异性全变分正则化约束进行对比。结果表明,本文所提的各向同性全变分约束相较于各向异性全变分约束在精度上有所改善。3.针对空间光谱插值亚像元定位方法中存在空间信息丢失问题,本文第四章提出了一种改进的空间光谱插值亚像元定位方法。首先,由于受到光谱解混误差的影响,严格按照丰度约束以确定每种地物在混合像元中的亚像元数目会产生空间信息的丢失,导致出现很多孤立点。于是本文提出了一种改进方案,在类别确定过程中不考虑丰度约束,而是采用赢者通吃的策略。最后,利用两个数据集进行实验,结果表明,本文所改进的方法在定位精度上有所改善。

关键词：高光谱亚像元定位空间光谱信息全变分重加权稀疏赢者通吃

来源：评论

学校读者我要写书评

暂无评论

高光谱图像解混方法研究

高光谱图像解混方法研究

引用

作者：贾响响杭州电子科技大学

学位级别：硕士

由于光谱成像技术空间分辨率的限制及地物分布的复杂性,使得高光谱图像中某些像元是由多种物质混合而成,这些像元称为混合像元。混合像元的存在是遥感领域向定量化发展的主要障碍之一。高光谱解混是处理混合像元问题的关键技术,由于受... 详细信息

由于光谱成像技术空间分辨率的限制及地物分布的复杂性,使得高光谱图像中某些像元是由多种物质混合而成,这些像元称为混合像元。混合像元的存在是遥感领域向定量化发展的主要障碍之一。高光谱解混是处理混合像元问题的关键技术,由于受到端元信息未知的限制,基于无监督的高光谱解混近年来倍受关注。非负矩阵分解作为无监督解混中的经典算法,近年来被广泛应用于高光谱解混中,但该类方法目前仍然存在求解空间大、易陷入局部最优解等问题。针对以上问题,本文重点围绕基于非负矩阵分解的高光谱解混方法展开研究。本文的主要研究工作概括如下:1.针对基于非负矩阵分解的高光谱解混方法容易陷入局部最优解问题,本文提出一种基于端元和丰度约束的非负矩阵分解用于高光谱图像线性解混。首先,由于丰度矩阵具有稀疏性,本文将重加权稀疏正则化引入到非负矩阵分解模型中,以促进丰度结果的稀疏性。其次,根据同一地物在相邻像素中分布的相似性先验,进一步将全变差正则化引入到非负矩阵分解模型中,以促进丰度矩阵的分段平滑性。接着,由于高光谱端元光谱的局部平滑性,本文在非负矩阵分解模型中引入马尔可夫随机场模型中的势函数作为约束项,以促进端元光谱的局部平滑变化。最后,在模拟和真实数据集上进行实验,结果表明,本文所提方法比现有方法在解混性能上有所改善。2.针对基于多层非负矩阵分解方法中对不同稀疏度的像元施加同一稀疏性约束可能会限制解混性能的问题。本文第3章提出一种基于数据驱动约束的多层非负矩阵分解用于高光谱图像线性解混。首先,由于整幅图像中不同像元具有不同的稀疏性,使用相同的稀疏性约束不能进一步提高解混的性能。于是,本文在多层非负矩阵分解模型的基础上,根据像元的稀疏度不同施加不同的正则化项。对于稀疏度较高的像元采用L1/2范数正则化,以促进丰度结果的稀疏性。对于稀疏度较低的像元采用2L范数正则化,以促进丰度的均匀变化。最后,在模拟和真实数据集上进行实验,并与其他经典算法进行比较。结果表明,本文提出的方法对于稀疏度分布比较分散的数据在一定程度上可以改善解混的性能。

关键词：高光谱解混非负矩阵分解重加权稀疏全变差马尔科夫随机场数据驱动约束

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：