[1]赵春晖,崔士玲,赵艮平.改进的多端元高光谱解混算法[J].哈尔滨工程大学学报,2015,(09):1281-1286.[doi:10.11990/jheu.201405042]
 ZHAO Chunhui,CUI Shiling,ZHAO Genping.An improved multi-endmember hyperspectral unmixing algorithm[J].hebgcdxxb,2015,(09):1281-1286.[doi:10.11990/jheu.201405042]
点击复制

改进的多端元高光谱解混算法(/HTML)
分享到:

《哈尔滨工程大学学报》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2015年09期
页码:
1281-1286
栏目:
出版日期:
2015-09-25

文章信息/Info

Title:
An improved multi-endmember hyperspectral unmixing algorithm
作者:
赵春晖 崔士玲 赵艮平
哈尔滨工程大学信息与通信工程学院, 黑龙江 哈尔滨 150001
Author(s):
ZHAO Chunhui CUI Shiling ZHAO Genping
College of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, China
关键词:
高光谱多端元光谱解混正交子空间投影误差变化量类内光谱变化
分类号:
TP751.1
DOI:
10.11990/jheu.201405042
文献标志码:
A
摘要:
针对经典多端元光谱混合模型(MESMA)存在着计算量大,端元预选繁琐以及过拟合等缺点,提出了一种改进的多端元解混算法。该算法根据正交子空间投影具有分离感兴趣信号与不感兴趣信号的特点,将像元投影到全部地物端元(每类地物选择一条类内光谱)构成的正交子空间上,按照投影值确定构成混合像元每类地物的类内光谱,在下一步迭代求解的过程中,分离出已确定地物类内光谱的像元,降低计算量,然后根据重构误差变化量确定最优端元个数,避免过拟合。实验结果表明,改进的算法反演丰度误差和解混时间都比原有算法降低很多。

参考文献/References:

[1] 赵春晖, 成宝芝, 杨伟超. 利用约束非负矩阵分解的高光谱解混算法[J]. 哈尔滨工程大学学报, 2012, 33(3):377-382. ZHAO Chunhui, CHENG Baozhi, YANG Weichao. Algorithm for hyperspectral unmixing using constrained nonnegative matrix factorization[J]. Journal of Harbin Engineering University, 2012, 33(3):377-382.
[2] 王立国, 张晶. 基于线性光谱混合模型的光谱解混改进模型[J]. 光电子·激光, 2010, 21(8):1222-1226. WANG Liguo, ZHANG Jing. An improved spectral unmixing modeling based on linear spectral mixing modeling[J]. Journal of Optoelectronics·Laser, 2010, 21(8):1222-1226.
[3] 王立国, 赵春晖. 高光谱图像处理技术[M]. 北京:国防工业出版社, 2013:1-20. WANG Liguo, ZHAO Chunhui. Processing techniques of hyperspectral imagery[M]. Beijing:National Defense Industry Press, 2013:1-20.
[4] ROBERTS D A, GARDNER M, CHURCH R, et al. Mapping chaparral in the Santa Monica Mountains using multiple endmember spectral mixture models[J]. Remote Sensing of Environment, 1998, 65(3):267-279.
[5] ASNER G P, LOBELL D B. A biogeophysical approach for automated SWIR unmixing of soils and vegetation[J]. Remote Sensing of Environment, 2000, 74(1):99-112.
[6] SOMERS B, DELALIEUX S, VERSTRAETEN W W, et al. An automated waveband selection technique for optimized hyperspectral mixture analysis[J]. International Journal of Remote Sensing, 2010, 31(20):5549-5568.
[7] SOMERS B, ASNER G P, TITS L, et al. Endmember variability in spectral mixture analysis:a review[J]. Remote Sensing of Environment, 2011, 115(7):1603-1616.
[8] 宋梅萍, 张甬荣, 安居白, 等. 基于有效端元集的双线性解混模型[J]. 光谱学与光谱分析, 2014, 34(1):196-200. SONG Meiping, ZHANG Yongrong, AN Jubai, et al. Effective endmembers based bilinear unmixing model[J]. Spectroscopy and Spectral Analysis, 2014, 34(1):196-200.
[9] 吴波, 张良培, 李平湘. 非监督正交子空间投影的高光谱混合像元自动分解[J]. 中国图象图形学报, 2004, 9(11):1392-1396. WU Bo, ZHANG Liangpei, LI Pingxiang. Unsupervised orthogonal subspace projection approach to unmix hyperspectral imagery automatically[J]. Journal of Image and Graphics, 2004, 9(11):1392-1396.
[10] DEMARCHI L, CANTERS F, CHAN J C, et al. Mapping sealed surfaces from CHRIS/Proba data:a multiple endmember unmixing approach[C]//Proceedings of the 2nd Workshop on Hyperspectral Image and Signal Processing:Evolution in Remote Sensing (WHISPERS). Reykjavik, 2010:1-4.

相似文献/References:

[1]赵春晖,朱志球.二进脊波变换的高光谱遥感图像融合分类[J].哈尔滨工程大学学报,2008,(11):1222.
 ZHAO Chun-hui,ZHU Zhi-qiu.Fusion classification of hyperspectral remote sensing images by dyadic ridgelet transform[J].hebgcdxxb,2008,(09):1222.
[2]王立国,赵亮,刘丹凤.SVM在高光谱图像处理中的应用综述[J].哈尔滨工程大学学报,2018,39(06):973.[doi:10.11990/jheu.201704074]
 WANG Liguo,ZHAO Liang,LIU Danfeng.A review on the application of SVM in hyperspectral image processing[J].hebgcdxxb,2018,39(09):973.[doi:10.11990/jheu.201704074]

备注/Memo

备注/Memo:
收稿日期:2014-05-17;改回日期:。
基金项目:国家自然科学基金资助项目(61571145,61405041);中国博士后科学基金资助项目(2014M551221);黑龙江省自然科学基金重点资助项目(ZD201216);哈尔滨市优秀学科带头人基金资助项目(RC2013XK009003).
作者简介:赵春晖(1965-),男,教授,博士生导师.
通讯作者:赵春晖,E-mail:zhaochunhui@hrbeu.edu.cn
更新日期/Last Update: 2015-10-28