正则化与稀疏Sparse Unmixing of Hyperspectral Image Based on Low-rank Reconstruction and TV Regularization 作者： 徐盈盈[1]；黎建华[1]
作者机构： [1]台州学院电子与信息工程学院，浙江临海317000
出版物刊名： 台州学院学报
页码： 1-8页
年卷期： 2020年 第6期
主题词： 高光谱影像；稀疏解混；丰度估计；低秩约束；全变分
摘要：高光谱解混技术是定量遥感研究的核心问题，旨在求解高光谱影像中每个像元所含的端元光谱及其丰度比例。基于过完备光谱库的稀疏解混方法假设端元是光谱库的子集，解混过程等价于以重建输入影像为目标的丰度估计优化，是近几年的主流研究内容，已有的研究成果致力于挖掘待估丰度的结构信息并据此设计约束模型。此文从影像重建的角度出发，利用解混重建数据的低秩特性，构建了结合重建影像低秩约束与丰度空间全变分约束的稀疏解混模型，并设计了基于交替方向乘子法的快速算法。在高光谱模拟数
据与真实影像上的对比解混实验表明，该方法能有效提高解混精度。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。