科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来,稀疏解混在高光谱图像解混领域受到广泛关注。借助已知端元光谱库,稀疏解混规避了高光谱数据中纯像元缺失的问题和端元提取的过程,使解混简化为从端元光谱库中选择可以有效表达混合像元的最优光谱特征子集。这是一个组合优化问题,常采用稀疏线性回归算法解决,而利用图像的空间信息约束解空间可以有效提高求解精度,获得更好的解混性能。针对现有空间稀疏解混模型对数据空间结构描述不充分的问题,本文提出一种超像素低秩稀疏解混方法,该方法一方面采用超像素分割技术自适应生成同质区域,在传统稀疏解混模型中引入基于超像素的局部低秩正则项,保持图像内在的局部低维空间结构,促进图像的空间一致性,另一方面在稀疏正则项中引入光谱加权因子,诱导丰度矩阵的行稀疏性,促使图像中所有像元的丰度向量联合稀疏。模拟数据和真实数据实验结果表明,与同类算法相比,所提算法可以有效抑制噪声,在低信噪比情况下获得了更高的解混精度,能保留丰度图更精细的空间信息。
-
单位南昌工程学院; 江西省水信息协同感知与智能处理重点实验室
