考虑端元差异性的协同稀疏高光谱解混算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑端元差异性的协同稀疏高光谱解混算法

王蕊, 李恒超, 尹忠科

文章导航 > 电子科技大学学报 > 2014 > 43(6): 813-816,828

王蕊, 李恒超, 尹忠科. 考虑端元差异性的协同稀疏高光谱解混算法[J]. 电子科技大学学报, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

引用本文:

王蕊, 李恒超, 尹忠科. 考虑端元差异性的协同稀疏高光谱解混算法[J]. 电子科技大学学报, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

WANG Rui, LI Heng-chao, YIN Zhong-ke. Collaborative Sparse Unmixing of Hyperspectral Data Considering the Difference of Endmembers[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

Citation:

WANG Rui, LI Heng-chao, YIN Zhong-ke. Collaborative Sparse Unmixing of Hyperspectral Data Considering the Difference of Endmembers[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

考虑端元差异性的协同稀疏高光谱解混算法

doi: 10.3969/j.issn.1001-0548.2014.06.003

1.
西南交通大学信息科学与技术学院成都 610031

基金项目:

国家自然科学基金(61371165);教育部新世纪优秀人才支持计划(NCET-11-0711);四川省青年科技创新研究团队轨道交通信息传输与处理技术(2011JTD0007);中央高校基本科研业务费(SWJTU11CX038,SWJTU12CX004,SWJTU12ZT02)

作者简介:
王蕊(1979-),女,博士,主要从事高光谱遥感图像处理、图像稀疏等方面的研究.

中图分类号: TP751.1

Collaborative Sparse Unmixing of Hyperspectral Data Considering the Difference of Endmembers

1.
School of Information Science and Technology,Southwest Jiaotong University Chengdu 610031

摘要: 因现有的高光谱协同稀疏解混模型忽略了不同像元所包含端元的差异性,影响到丰度估计的准确性。该文提出一种先对具有相同端元的像元进行无监督聚类的预处理,然后对预处理后的不同类高光谱像元进行协同稀疏解混算法。在无监督聚类过程中,由于具有相同原子集合的像元之间的协同稀疏编码值最小,将重构误差与协同稀疏编码约束之和作为距离测度,从而有效保证了同类像元中具有相同端元;再利用基于ADMM的优化算法对每类像元分别进行协同稀疏解混。仿真和实际高光谱数据实验结果表明,该算法能有效地进行真实端元识别,从而提高了丰度估计的准确性。
- 丰度估计 /
- 协同编码 /
- 端元 /
- 高光谱图像 /
- 稀疏解混
Abstract: In the current collaborative sparse unmixing of hyperspectral data, the fractional abundances can not be estimated accurately due to ignoring the differences of endmembers among different pixels. In this paper, a novel unsupervised clustering method is proposed as a preprocessing step to generate several classes of pixels with the same endmember bundles, and then for each class, the collaborative sparse unmixing technique is used to implement spectral unmixing. In terms that the pixels with the same set of active atoms have the smallest values of collaborative sparse coding, the sum of reconstruction errors and sparsity levels are introduced as the distance metric in the unsupervised clustering. As such, the same class pixels can be guaranteed to contain the same endmembers. Finally, the involving optimization problem can be solved by using the algorithm of alternating direction method of multipliers (ADMM). Experimental results on synthetic and real hyperspectral data demonstrate that the our proposed algorithm can identify the actual endmembers effectively and improve the accuracy of the fractional abundance estimation.
- abundance estimation /
- collaborative sparse code /
- endmember /
- hyperspectral imaging /
- sparse unmixing

[1]	王兆滨, 马一鲲, 崔子婧. 基于引导滤波与稀疏表示的医学图像融合 . 电子科技大学学报, 2022, 51(2): 264-273. doi: 10.12178/1001-0548.2021165
[2]	刘慧超, 王志君, 梁利平. 融合视频编码的低复杂度纹理自适应视频加密算法 . 电子科技大学学报, 2020, 49(5): 700-708. doi: 10.12178/1001-0548.2019291
[3]	侯卫民, 赵拓, 苏佳, 高丽慧, 张易凡. 基于协同表示的高光谱和多光谱图像融合算法 . 电子科技大学学报, 2020, 49(4): 569-574. doi: 10.12178/1001-0548.2019145
[4]	唐贤伦, 刘雨微, 万亚利, 马艺玮. 堆叠稀疏降噪自编码的脑电信号识别 . 电子科技大学学报, 2019, 48(1): 62-67. doi: 10.3969/j.issn.1001-0548.2019.01.011
[5]	李大湘, 吴倩, 邱鑫, 刘颖. 基于空间稀疏编码的MIL算法及刑侦图像分类 . 电子科技大学学报, 2019, 48(1): 68-73. doi: 10.3969/j.issn.1001-0548.2019.01.012
[6]	韩嫚莉, 侯卫民, 孙靖国, 王明, 梅少辉. 基于PCA与协同表示的高光谱图像分类研究 . 电子科技大学学报, 2019, 48(1): 117-121. doi: 10.3969/j.issn.1001-0548.2019.01.019
[7]	何兴高, 李蝉娟, 王瑞锦, 邓伏虎, 刘行. 基于信息熵的高维稀疏大数据降维算法研究 . 电子科技大学学报, 2018, 47(2): 235-241. doi: 10.3969/j.issn.1001-0548.2018.02.012
[8]	王柯俨, 宋娟, 李云松, 郭杰. 基于配准和二次码率控制的光谱图像压缩 . 电子科技大学学报, 2017, 46(1): 9-14. doi: 10.3969/j.issn.1001-0548.2017.01.002
[9]	张永顺, 葛启超, 丁姗姗. 阵元缺损下的波达方向估计算法 . 电子科技大学学报, 2017, 46(4): 501-504, 512. doi: 10.3969/j.issn.1001-0548.2017.04.004
[10]	王艳芬, 丛潇雨, 孙彦景. 一种稀疏度自适应超宽带信道估计算法 . 电子科技大学学报, 2017, 46(3): 498-504. doi: 10.3969/j.issn.1001-0548.2017.03.004
[11]	戴晓爱, 郭守恒, 任淯, 杨晓霞, 刘汉湖. 基于堆栈式稀疏自编码器的高光谱影像分类 . 电子科技大学学报, 2016, 45(3): 382-386. doi: 10.3969/j.issn.1001-0548.2016.02.012
[12]	张星, 胡剑浩, 朱中梁, 袁苑. 基于循环谱的OFDM混叠信号符号速率盲估计方法 . 电子科技大学学报, 2015, 44(6): 818-823. doi: 10.3969/j.issn.1001-0548.2015.06.004
[13]	吴琼, 孙韶杰, 李国辉. 快门编码模型重影模糊图像盲复原方法 . 电子科技大学学报, 2011, 40(2): 283-287. doi: 10.3969/j.issn.1001-0548.2011.02.025
[14]	辛勤, 粘永健, 万建伟, 何密. 基于FastICA的高光谱图像压缩技术 . 电子科技大学学报, 2010, 39(5): 711-715,730. doi: 10.3969/j.issn.1001-0548.2010.05.014
[15]	金军, 舒红平. 元胞自动机变换可恢复图像认证算法 . 电子科技大学学报, 2009, 38(6): 1026-1030. doi: 10.3969/j.issn.1001-0548.2009.06.028
[16]	李世银, 王秀娟, 钱建生, 刘琼. TCP端到端等效噪声模型及拥塞控制方法研究 . 电子科技大学学报, 2009, 38(4): 489-492. doi: 10.3969/j.issn.1001-0548.2009.04.003
[17]	陈科, 朱清新, 易涛. 带稀疏惩罚的LCNN盲目图像复原 . 电子科技大学学报, 2008, 37(6): 926-929.
[18]	黄廷祝, 黄秀琴, 蒋泽云. MRF和GM模型高光谱图像地物标记 . 电子科技大学学报, 2008, 37(5): 742-745,781.
[19]	廖勇, 熊光泽, 陈旭东, 桑楠, 朱清新. 分布式实时嵌入式系统端到端性能确保 . 电子科技大学学报, 2007, 36(3): 541-544.
[20]	尹忠科, 解梅, 王建英. 基于稀疏分解的图像去噪 . 电子科技大学学报, 2006, 35(6): 876-878.

WeChat

点击查看大图

计量

文章访问数: 4506
HTML全文浏览量: 95
PDF下载量: 81
被引次数: 0

考虑端元差异性的协同稀疏高光谱解混算法

doi: 10.3969/j.issn.1001-0548.2014.06.003

1. 西南交通大学信息科学与技术学院成都 610031

基金项目:

国家自然科学基金(61371165);教育部新世纪优秀人才支持计划(NCET-11-0711);四川省青年科技创新研究团队轨道交通信息传输与处理技术(2011JTD0007);中央高校基本科研业务费(SWJTU11CX038,SWJTU12CX004,SWJTU12ZT02)

作者简介:
王蕊(1979-),女,博士,主要从事高光谱遥感图像处理、图像稀疏等方面的研究.

收稿日期: 2013-06-27
修回日期: 2014-08-18
刊出日期: 2014-12-15

中图分类号: TP751.1

关键词:

摘要: 因现有的高光谱协同稀疏解混模型忽略了不同像元所包含端元的差异性,影响到丰度估计的准确性。该文提出一种先对具有相同端元的像元进行无监督聚类的预处理,然后对预处理后的不同类高光谱像元进行协同稀疏解混算法。在无监督聚类过程中,由于具有相同原子集合的像元之间的协同稀疏编码值最小,将重构误差与协同稀疏编码约束之和作为距离测度,从而有效保证了同类像元中具有相同端元;再利用基于ADMM的优化算法对每类像元分别进行协同稀疏解混。仿真和实际高光谱数据实验结果表明,该算法能有效地进行真实端元识别,从而提高了丰度估计的准确性。

English Abstract

王蕊, 李恒超, 尹忠科. 考虑端元差异性的协同稀疏高光谱解混算法[J]. 电子科技大学学报, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

引用本文:

王蕊, 李恒超, 尹忠科. 考虑端元差异性的协同稀疏高光谱解混算法[J]. 电子科技大学学报, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

WANG Rui, LI Heng-chao, YIN Zhong-ke. Collaborative Sparse Unmixing of Hyperspectral Data Considering the Difference of Endmembers[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

Citation:

WANG Rui, LI Heng-chao, YIN Zhong-ke. Collaborative Sparse Unmixing of Hyperspectral Data Considering the Difference of Endmembers[J]. Journal of University of Electronic Science and Technology of China, 2014, 43(6): 813-816,828. doi: 10.3969/j.issn.1001-0548.2014.06.003

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发