科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对由于非负矩阵分解模型的非凸性和噪声，非负矩阵分解方法容易陷入局部最优解的问题，提出一种再权重稀疏和正交约束非负矩阵分解算法(Reweight Sparse and Orthogonal Nonnegative Matrix Factorization, RONMF)。RSNMF是一种稀疏增强的算法，充分体现了高光谱图像解混的地物丰度稀疏性，但也因此使得光谱近似的地物容易混淆。RONMF在再权重稀疏非负矩阵分解的基础上，引入正交非负矩阵分解(Orthogonal Nonnegative Matrix Factorization, ONMF),增强端元光谱的独立性，在再权重稀疏算法基础上进一步优化，以达到更好的解混效果。实验也证实了该算法的优越性能，RONMF算法对土壤与路这种光谱相近的端元解混性能与SONMF相近，继承SONMF有效保护端元独立性的特性，对树和水这种丰度稀疏特性较强端元的解混性能，极大程度地保留了再权重稀疏算法的稀疏性增强能力。
-
单位重庆邮电大学; 通信与信息工程学院
