空间相关性约束联合子空间追踪的高光谱图像稀疏解混

论文摘要

通过深入分析高光谱图像空间相邻数据之间的空间相关性,提出一种利用空间相关性进行约束的联合子空间追踪解混（Spatial correlation constrained simultaneous subspace pursuit,SCCSSP）方法。该方法首先基于分块思想将高光谱图像进行分块处理,然后在图像块的端元提取步骤中,结合空间相关性特征对端元的提取进行约束,从而确保当前端元支撑集相对于高光谱图像残差是最优的。在丰度估计中将图像块的端元集合合并作为整幅图像的端元支撑集,通过求解非负性约束的最小二乘法获得丰度重建图像。模拟图像数据实验结果表明,本文方法在同等条件下能够获得更高的信号重构误差,且解混运算时间低于凸优化算法。在实际图像数据实验中,本文方法丰度图像稀疏度最低,取得了仅次于SUnSAL-TV算法的图像重建误差,其所得到的丰度重建图像也取得了更好的视觉效果。实验结果验证了本文方法具有更高的解混精度。

论文目录

• 1 联合稀疏解混模型
• 2 基于空间相关性约束联合子空间追踪算法
• 3 实验结果与分析
•   3.1 模拟图像数据实验
•     3.1.1 模拟图像数据1实验
•     3.1.2 模拟图像数据2实验
•   3.2 实际图像数据实验
• 4 结论

文章来源

类型: 期刊论文

作者: 孔繁锵,朱成,徐诚,周永波

关键词: 高光谱图像,高光谱解混,稀疏解混,贪婪算法,多重测量向量

来源: 南京航空航天大学学报 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 工业通用技术及设备,自动化技术

单位: 南京航空航天大学航天学院,南京航空航天大学无人机研究院

基金: 国家自然科学基金（61401200）资助项目

分类号: TP751

DOI: 10.16356/j.1005-2615.2019.05.001

页码: 577-585

总页数: 9

文件大小: 4310K

下载量: 74