针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法(Volume and Sparseness Constrained NMF,VSC-NMF)。该方法首先使用顶点成分分析法对高光谱图像进行端元提...针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法(Volume and Sparseness Constrained NMF,VSC-NMF)。该方法首先使用顶点成分分析法对高光谱图像进行端元提取,将其作为端元矩阵的初始值,可达到加速算法收敛的目的;然后,在目标函数中加入单形体体积最小化约束和丰度稀疏性约束,从而实现对混合像元进行较好的分解。实验结果表明,该方法不仅能有效地克服传统非负矩阵分解法的缺陷,而且能估计出精确的端元和对应的丰度,获得满意的解混效果,尤其适用于稀疏度较高的高光谱图像。展开更多
谱分解是地震资料处理非常重要的方法,传统的谱分解方法具有时频分辨率低等缺点,为了提高谱分解方法的性能,本文提出了基于稀疏约束的短时傅里叶变换时频分析方法.该方法利用地震信号时频域表示的冗余特性,建立地震信号稀疏约束的时频...谱分解是地震资料处理非常重要的方法,传统的谱分解方法具有时频分辨率低等缺点,为了提高谱分解方法的性能,本文提出了基于稀疏约束的短时傅里叶变换时频分析方法.该方法利用地震信号时频域表示的冗余特性,建立地震信号稀疏约束的时频域分析模型,并利用快速投影迭代软阈值投影算法(Projected Fast Iterative Soft-Thresholding Algorithm,pFISTA)求模型的优化解,得到地震信号的稀疏谱分解.本文将pFISTA求解方法引入稀疏时频分析求解方法,并用于实际地震信号谱分解,与传统时频分析方法比较,本文所提方法具有更高的时频分辨率,能给出更准确的频谱信息;本文所提方法能够有效压制地滚噪声;与交错分裂Bregman方法稀疏谱分解方法比较,本文方法运算速度更快.展开更多
文摘针对传统非负矩阵分解法中解空间较大、存在大量局部极小值的问题,提出了一种基于单形体体积和丰度稀疏性约束的非负矩阵分解法(Volume and Sparseness Constrained NMF,VSC-NMF)。该方法首先使用顶点成分分析法对高光谱图像进行端元提取,将其作为端元矩阵的初始值,可达到加速算法收敛的目的;然后,在目标函数中加入单形体体积最小化约束和丰度稀疏性约束,从而实现对混合像元进行较好的分解。实验结果表明,该方法不仅能有效地克服传统非负矩阵分解法的缺陷,而且能估计出精确的端元和对应的丰度,获得满意的解混效果,尤其适用于稀疏度较高的高光谱图像。
文摘谱分解是地震资料处理非常重要的方法,传统的谱分解方法具有时频分辨率低等缺点,为了提高谱分解方法的性能,本文提出了基于稀疏约束的短时傅里叶变换时频分析方法.该方法利用地震信号时频域表示的冗余特性,建立地震信号稀疏约束的时频域分析模型,并利用快速投影迭代软阈值投影算法(Projected Fast Iterative Soft-Thresholding Algorithm,pFISTA)求模型的优化解,得到地震信号的稀疏谱分解.本文将pFISTA求解方法引入稀疏时频分析求解方法,并用于实际地震信号谱分解,与传统时频分析方法比较,本文所提方法具有更高的时频分辨率,能给出更准确的频谱信息;本文所提方法能够有效压制地滚噪声;与交错分裂Bregman方法稀疏谱分解方法比较,本文方法运算速度更快.
