高光譜解混技術是定量遙感研究的核心問題,旨在求解高光譜影像中每個像元所含的端元光譜及其豐度比例�；谶^完備光譜庫的稀疏解混方法假設端元是光譜庫的子集,解混過程等價于以重建輸入影像為目標的豐度估計優(yōu)化,是近幾年的主流研究內容,已有的研究成果致力于挖掘待估豐度的結構信息并據(jù)此設計約束模型。此文從影像重建的角度出發(fā),利用解混重建數(shù)據(jù)的低秩特性,構建了結合重建影像低秩約束與豐度空間全變分約束的稀疏解混模型,并設計了基于交替方向乘子法的快速算法。在高光譜模擬數(shù)據(jù)與真實影像上的對比解混實驗表明,該方法能有效提高解混精度。 

【文章來源】：臺州學院學報. 2020,42(06)

【文章頁數(shù)】：8 頁

【部分圖文】：

模擬混合數(shù)據(jù)中5個端元對應的真實豐度圖

本文算法對模擬數(shù)據(jù)解混得到的估計豐度圖

由于真實影像數(shù)據(jù)中各物質的豐度未知，實驗結果可以根據(jù)豐度圖的視覺效果結合輔助定量指標進行評判。我們用影像的重建誤差（reconstruction error,RE）和豐度的稀疏度（sparsity of abundance,SA）作為評價指標，定義：其中影像重建誤差RE能反映用估計豐度和對應端元光譜重建的混合數(shù)據(jù)與輸入影像的誤差；稀疏度SA的本意是計算豐度矩陣中0元素的占比，但理論0值在實際優(yōu)化中通常對應于極小的非零數(shù)值解，因此我們用NUM(X<θ)統(tǒng)計矩陣X中數(shù)值小于θ的元素個數(shù)，實驗中取θ=0.001。好的解混結果應當能同時滿足較低的重建誤差與較高的豐度稀疏度。由于真實數(shù)據(jù)實驗的兩個輔助指標相互影響，那么以RE為首要調參指標，即優(yōu)先選擇使RE值更小的參數(shù)組合，在有多組參數(shù)使得RE值相同的情況下，再選擇使SA值更大的為最優(yōu)參數(shù)。以此為參數(shù)調優(yōu)準則，實驗中設定的模型參數(shù)(α,β,γ)為（0.01,0.005,0.01）。


本文編號：3400778