-
题名基于空间加权协同稀疏的高光谱解混算法研究
被引量：4
- 1
-
-
作者
朱昌宇
张绍泉
李军
李恒超
-
机构
中山大学地理科学与规划学院
西南交通大学信息科学与技术学院
-
出处
《南京信息工程大学学报（自然科学版）》
CAS
2018年第1期92-101,共10页
-
基金
国家自然科学基金(61771496
61371165)
广东省自然科学基金(2016A030313254)
-
文摘
针对传统稀疏解混算法因空间信息利用不足带来的丰度图像空间分布连续性差的问题,本文提出了一种基于空间加权协同稀疏的解混方法.该方法利用协同稀疏正则项刻画丰度系数的行稀疏性;同时,在协同稀疏框架下,引入空间加权因子挖掘高光谱图像邻域像元间的空间相关性.本模型采用交替方向乘子法求解,通过交替迭代,对空间权重和丰度系数进行优化.模拟和真实高光谱数据实验结果表明本文方法能够比现有同类方法获得更精确的解混结果.
-
关键词
高光谱图像
稀疏解混
空间加权
协同稀疏回归
-
Keywords
hyperspectral imaging
sparse unmixing
spatially weighted
collaborative sparse regression
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名协同稀疏低秩的高光谱图像解混
被引量：1
- 2
-
-
作者
韩红伟
冯向东
郭科
-
机构
成都理工大学工程技术学院
成都理工大学数学地质四川省重点实验室
-
出处
《现代电子技术》
2022年第5期67-73,共7页
-
基金
国家重点研发计划课题(2017YFC0601505)
数学地质四川省重点实验室开放基金(scsxdz2019yb01)。
-
文摘
稀疏解混能够有效地规避高光谱场景中缺少纯像元和估计端元数目的两个瓶颈问题,因而成为目前广泛研究的光谱解混技术。针对协同稀疏解混模型在边界上容易出现错误识别的问题,结合字典削减策略和低秩表示,提出一种协同稀疏低秩的解混模型。该方法同时施加稀疏和低秩约束在丰度矩阵上,并对协同稀疏模型的?2,1混合范数采用加权策略,使得行稀疏性得到了增强,同时也使用非凸logdet(·)作为秩的光滑替代函数。由于提出方法充分利用了高光谱数据的空间信息和光谱信息,因此获得了比协同稀疏回归模型更准确的解混结果。最后利用著名的交替方向乘子方法(ADMM)对提出的非凸模型进行有效求解,实验结果验证了提出算法的有效性。
-
关键词
协同稀疏回归
稀疏表示
高光谱解混
低秩表示
高光谱图像
解混模型
实验分析
-
Keywords
cooperative sparse regression
sparse representation
hyperspectral unmixing
low-rank representation
hyperspectral image
unmixing model
experimental analysis
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.41
[电子电信—信息与通信工程]
-
-
题名基于多层次协同稀疏回归模型侧脑室分割方法
- 3
-
-
作者
许政
程远志
-
机构
哈尔滨工业大学计算机科学与技术学院
-
出处
《智能计算机与应用》
2018年第3期229-234,共6页
-
基金
国家自然科学基金(61571158
61702135)
-
文摘
稀疏学习理论是高光谱解混中的有力工具。由Ioradche等人提出的协同稀疏回归模型[1]利用丰度矩阵的行稀疏特性,对丰度矩阵施加协同稀疏,从而优化解混的结果。本文受到高光谱解混理论的启发,将协同稀疏回归引入到脑室分割中。为了克服传统的协同稀疏回归方法仅考虑噪声误差而忽视稀疏粗差的缺点,本文提出了一种新的基于多层次协同稀疏回归模型侧脑室分割方法,从而进一步提高医学图像的分割精度。该方法将输入的侧脑室形状正则化为形状库中训练形状的稀疏线性组合,并且使用协同稀疏性来描述侧脑室形状库中的行稀疏性。最后采用多层次分割优化策略[2],分割结果将按照由粗到细的方法演化。实验结果表明本文新提出的方法的有效性和实用性。
-
关键词
侧脑室分割
协同稀疏回归
多层次策略
主动形状模型
-
Keywords
lateral ventricles segmentation
collaborative sparse regression
multiscale strategy
active shape model
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于光谱归一化下的植被覆盖度反演算法
被引量：10
- 4
-
-
作者
段金亮
王杰
张婷
-
机构
西华师范大学国土资源学院
-
出处
《遥感技术与应用》
CSCD
北大核心
2018年第2期252-258,共7页
-
基金
国家自然科学基金面上项目(41671220)
西华师范大学博士科研启动基金(412546
+3 种基金
412547)
四川省教育厅自然科学重点项目(17AZ0387)
2016年西华师范大学大学生创新创业自然科学论文项目(cxcy2016033)
四川省大学生创新创业训练项目(201710638057)
-
文摘
针对常规混合像元分解算法在植被覆盖度遥感反演中存在的端元变化误差及运算效率的问题,以两个不同类型植被覆盖下地区的TM影像数据为基础,提出了一种基于光谱归一化框架下的协同稀疏回归的植被覆盖度反演算法,并针对多种地表类型下的植被覆盖度反演试验,与常用的像元二分法模型进行对比分析。试验结果表明:对影像与端元组进行归一化后,有效地降低了它们的异质性,从而提高了反演精度,同时,该算法获取的植被覆盖度相对像元二分法具有更高的精度。
-
关键词
光谱归一化
植被覆盖度
TM与ALI影像
像元二分法
协同稀疏回归算法
端元变化
-
Keywords
Spectrum normalization
Vegetation cover fraction
TM and ALI image
The dimidiate pixel algorithm
Collaborative sparse regression algorithm
Endmember variability
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
