图正则重加权稀疏约束的深度非负矩阵分解算法用于高光谱图像解混

作     者：蒋永丛 何飞 JIANG Yongcong;HE Fei

作者机构：河南林业职业学院信息与艺术设计系河南洛阳471002 郑州大学信息工程学院河南郑州450001 

基　　金：国家自然科学基金资助项目(61572444) 河南省青年骨干教师项目(2019GZGG023) 

出 版 物：《中国测试》 (China Measurement & Test)

年 卷 期：2022年第48卷第12期

页      码：154-161,180页

摘      要：为有效挖掘高光谱图像隐层信息以提升混合像元的分解精度,提出一种图正则的重加权稀疏深度非负矩阵分解算法。算法考虑图像丰度矩阵在局部所具有的浅层图结构信息以及在全局所具有的稀疏特性,通过融合图正则项和基于重加权的稀疏正则项及非负矩阵的多层深度结构来提升对混合像元的分解能力。通过乘法更新规则对深度非负矩阵分解算法进行逐层更新以优化全局框架。基于光谱角度距离和均方根误差评价指标,在模拟数据集和真实数据集上的实验显示所提出的算法相比其他典型算法分别有最大约63%和9.7%的解混精度增益。实验证明所提出的图正则重加权稀疏约束的深度非负矩阵分解算法能有效提升高光谱图像的解混精度,更好地服务于国家重大需求。

主 题 词：高光谱图像 图拉普拉斯 重加权稀疏 深度非负矩阵 高光谱图像解混 

学科分类：0810[工学-土木类] 08[工学] 081002[081002] 

D　O　I：10.11857/j.issn.1674-5124.2021100031

馆 藏 号：203116159...