科研之友
微信
新浪微博
Facebook
分享链接
摘要
高光谱影像中存在大量的混合像元，极大地限制了高光谱影像的定量应用，高效且精准地进行像元解混尤为重要。端元矩阵的初始化、算法本身的代价函数及其迭代规则，三者的不同往往会导致获取的最终端元光谱和端元丰度的不同。在不同条件下，选取适当的初始化方法、代价函数和迭代规则，使得高光谱解混结果更优尤为重要。本文改进了一种基于欧氏距离和光谱信息散度的分块初始化方法(IBISS),改进后方法在中低信噪比情况下优于其他初始化方法。同时针对初始化、算法本身这两个方面进行大量试验，结果表明：(1)分块初始化优于全局初始化；(2)梯度迭代NMF算法相比于乘性迭代NMF算法，具有更快的收敛速度，但容易陷入局部最小值；(3)乘性迭代分块NMF算法相比于乘性迭代标准NMF算法能够获取更好的端元丰度信息；(4)梯度迭代分块NMF算法不适用于随机初始化后的光谱解混过程。
- 出版日期2022
- 单位河南理工大学
