科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对高光谱遥感图像的非线性解混问题，提出一种多图正则多核非负矩阵分解（MGMKNMF）算法，构造了多核空间中的多图正则项，并基于此构造了包含多核空间的多图正则项、多核权重正则项和多图权重正则项的MGMKNMF目标函数。MGMKNMF可在学习端元与丰度的过程中更新多核权重和多图权重，在合适的多核空间精确构造输入数据的图，解决了图权重和核权重的参数选择的问题。相比核非负矩阵分解（KNMF）的单一核，多核可确定更合适的核空间；相比图正则非负矩阵分解（GNMF）的单一图，多图更准确可靠。2个实测数据集和2个模拟数据集上的实验结果表明MGMKNMF算法是有效的。与GNMF、不含纯像元的核非负矩阵分解、核稀疏非负矩阵分解、基于核的字典剪枝非线性光谱解混、多图正则核非负矩阵分解算法相比，所提MGMKNMF算法在Cuprite和Jasper Ridge真实地物数据集上平均光谱角距离（SAD）值最优，分别为0.092 1和0.097 0；在HAPKE和广义双线性模型模拟数据集上平均SAD最优，分别是0.137 5和0.145 6，均方根误差值表现也最好，分别为0.050 6和0.057 0。
- 单位
