基于光谱和空间特性的高光谱解混方法  

Spectral and spatial character-based hyperspectral unmixing

作　　者：贾森[1] 钱沄涛[2] 纪震[1] 沈琳琳[1] 

机构地区：[1]深圳大学德州仪器DSPs实验室,深圳大学计算机与软件学院,深圳518060 [2]浙江大学计算机学院,杭州310027

出　　处：《深圳大学学报（理工版）》2009年第3期262-267,共6页Journal of Shenzhen University(Science and Engineering)

基　　金：国家自然科学基金资助项目(60872071);广东省自然科学基金博士启动资助项目(9451806001002287)

摘　　要：为表征高光谱数据的光谱和空间特性,引入光谱的平滑性和地物空间分布的稀疏性约束,提出非负矩阵分解的改进算法,将其应用于高光谱解混.尺度可变的梯度下降算法保证了改进算法的收敛性.实验结果表明,改进后的非负矩阵分解算法能给出地物光谱,并精确估计其分布.To represent the spectral and spatial character of hyperspectral data, by introducing the smoothness constraint of hyperspectral data and the sparseness constraint of spatial distribution of the materials, an improved nonnegative matrix factorization （INMF） was used for hyperspectral unmixing. Its monotonic convergence is guaranteed by using a gradient-based optimization algorithm. Experiments demonstrate that the INMF algorithm is yielding accurate estimation of both endmember spectra and abundance maps.

关 键 词：高光谱解混 混合像元 线性光谱混合模型 非负矩阵分解 盲源分离 

分 类 号：TP753[自动化与计算机技术—检测技术与自动化装置] TP399[自动化与计算机技术—控制科学与工程]