高光譜解混技術(shù)是定量遙感研究的核心問(wèn)題,旨在求解高光譜影像中每個(gè)像元所含的端元光譜及其豐度比例。基于過(guò)完備光譜庫(kù)的稀疏解混方法假設(shè)端元是光譜庫(kù)的子集,解混過(guò)程等價(jià)于以重建輸入影像為目標(biāo)的豐度估計(jì)優(yōu)化,是近幾年的主流研究?jī)?nèi)容,已有的研究成果致力于挖掘待估豐度的結(jié)構(gòu)信息并據(jù)此設(shè)計(jì)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(gòu)建了結(jié)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(shè)計(jì)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(shí)影像上的對(duì)比解混實(shí)驗(yàn)表明,該方法能有效提高解混精度。 

【文章來(lái)源】：臺(tái)州學(xué)院學(xué)報(bào). 2020,42(06)

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

模擬混合數(shù)據(jù)中5個(gè)端元對(duì)應(yīng)的真實(shí)豐度圖

本文算法對(duì)模擬數(shù)據(jù)解混得到的估計(jì)豐度圖

由于真實(shí)影像數(shù)據(jù)中各物質(zhì)的豐度未知，實(shí)驗(yàn)結(jié)果可以根據(jù)豐度圖的視覺(jué)效果結(jié)合輔助定量指標(biāo)進(jìn)行評(píng)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(píng)價(jià)指標(biāo)，定義：其中影像重建誤差RE能反映用估計(jì)豐度和對(duì)應(yīng)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(jì)算豐度矩陣中0元素的占比，但理論0值在實(shí)際優(yōu)化中通常對(duì)應(yīng)于極小的非零數(shù)值解，因此我們用NUM(X<θ)統(tǒng)計(jì)矩陣X中數(shù)值小于θ的元素個(gè)數(shù)，實(shí)驗(yàn)中取θ=0.001。好的解混結(jié)果應(yīng)當(dāng)能同時(shí)滿足較低的重建誤差與較高的豐度稀疏度。由于真實(shí)數(shù)據(jù)實(shí)驗(yàn)的兩個(gè)輔助指標(biāo)相互影響，那么以RE為首要調(diào)參指標(biāo)，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(diào)優(yōu)準(zhǔn)則，實(shí)驗(yàn)中設(shè)定的模型參數(shù)(α,β,γ)為（0.01,0.005,0.01）。


本文編號(hào)：3400778