稀疏约束下的MVC-NMF算法研究  

Research of the Sparseness Constraint MVC-NMF Algorithm

作　　者：李二森[1,2] 邹瑜[1] 苏斌[3] 

机构地区：[1]解放军信息工程大学测绘学院 [2]武汉大学测绘遥感信息工程国家重点实验室 [3]75719部队

出　　处：《海洋测绘》2011年第1期43-46,共4页Hydrographic Surveying and Charting

摘　　要：最小体积约束的非负矩阵分解算法(MVC-NMF)不需要假定纯像元的存在,并且在自动提取端元的同时,能够获取每种端元所对应的丰度图,然而该方法并没有考虑丰度矩阵的稀疏特性。提出了将稀疏约束引入MVC-NMF算法中,提高了算法的精度。实验结果表明:该方法在相同迭代次数条件下比MVC-NMF算法解混的精度更高。The mixels in the hypersepectral images directly influence the accuracy of target recognition,spectral unmixing can effectively solve this problem.The minimum volume constraint nonnegative matrix factorization（MVC-NMF） algorithm is not based on the hypothesis of the pure pixels＇ existence,and can get the abundance maps as soon as the endmembers are all extracted,but it doesn＇t take account the sparseness of the abundance matrix,and affects the unmixing precision.We propose to use the sparse constraint into the MVC-NMF algorithm.Experimental results demonstrate that the proposed scheme for decomposition of mixels outperforms the MVC-NMF algorithm under the same iteration number condition.

关 键 词：混合像元 端元 丰度 稀疏约束 非负矩阵分解 

分 类 号：TP75[自动化与计算机技术—检测技术与自动化装置]