利用可分离非负矩阵分解实现高光谱波段选择

利用可分离非负矩阵分解实现高光谱波段选择

论文摘要

高光谱影像波段众多且相关性强,导致分类存在信息冗余且计算量较大。提出了可分离非负矩阵分解方法来选取高光谱影像的代表性波段子集,在保证分类精度的同时降低计算量。该方法假设高光谱影像的波段集合具有可分离特性,改进传统非负矩阵分解模型,将波段选择转换为可分离非负矩阵分解问题,采用迭代投影方法来依次选取能够非负线性表达其他波段的代表性波段。在此基础上,利用两个公开高光谱数据集对比几种主流方法,采用定量评价和分类精度指标来综合评价所提的波段选择方法的效果。实验结果表明,可分离非负矩阵分解方法的分类精度高于其他几种方法,而且计算效率排名第2,能够选取合适的波段子集以满足高光谱遥感的应用需求。

论文目录

  • 1 可分离非负矩阵分解实现波段选择
  •   1.1 高光谱影像的可分离非负矩阵分解模型
  •   1.2 可分离非负矩阵分解模型的求解
  •   1.3 SepNMF实现波段选择的流程
  • 2 波段选择实验与效果分析
  •   2.1 实验数据获取与预处理
  •   2.2 SepNMF波段选择效果分析
  •     2.2.1 不同波段选择方法的定量评价对比
  •     2.2.2 不同波段数量下的分类结果对比
  •     2.2.3 不同训练样本下的分类结果对比
  •     2.2.4 波段选择方法的计算时间对比
  • 3 结语
  • 文章来源

    类型: 期刊论文

    作者: 杨刚,孙伟伟,张殿发

    关键词: 高光谱影像,可分离非负矩阵分解,波段选择,迭代投影

    来源: 武汉大学学报(信息科学版) 2019年05期

    年度: 2019

    分类: 基础科学,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: 宁波大学地理与空间信息技术系,武汉大学测绘遥感信息工程国家重点实验室

    基金: 国家自然科学基金(41671342,41801256),浙江省自然科学基金(LR19D010001,LQ18D010001),地球观测与时空信息科学国家测绘地理信息局重点实验室开放基金(201804),测绘遥感信息工程国家重点实验室开放基金(18R05)~~

    分类号: TP751

    DOI: 10.13203/j.whugis20170174

    页码: 737-744

    总页数: 8

    文件大小: 1514K

    下载量: 212

    相关论文文献

    • [1].深度非负矩阵分解的链路预测方法研究[J]. 计算机工程与应用 2020(15)
    • [2].带核方法的判别图正则非负矩阵分解[J]. 计算机科学与探索 2020(11)
    • [3].应用非负矩阵分解的数据重构[J]. 三明学院学报 2018(06)
    • [4].基于核的L_(2,1)范数非负矩阵分解在图像聚类中的应用[J]. 数学杂志 2019(03)
    • [5].基于增量非负矩阵分解的合成孔径雷达目标识别[J]. 科学技术与工程 2017(12)
    • [6].基于联合非负矩阵分解的协同过滤推荐算法[J]. 模式识别与人工智能 2016(08)
    • [7].基于多核非负矩阵分解的机械故障诊断[J]. 西北工业大学学报 2015(02)
    • [8].二维局部非负矩阵分解的路网态势算法[J]. 上海交通大学学报 2015(08)
    • [9].重加权稀疏和全变差约束下的深度非负矩阵分解高光谱解混[J]. 遥感学报 2020(04)
    • [10].基于非负矩阵分解的类标签映射集成学习[J]. 科学技术与工程 2018(01)
    • [11].非负矩阵分解及其改进方法[J]. 华侨大学学报(自然科学版) 2016(06)
    • [12].非负矩阵分解的分布式算法[J]. 中国计量大学学报 2017(01)
    • [13].基于非平滑非负矩阵分解语音增强[J]. 计算机工程与应用 2017(07)
    • [14].融合先验信息的非负矩阵分解社区发现算法[J]. 模式识别与人工智能 2016(07)
    • [15].贝叶斯非负矩阵分解语音增强的优化算法[J]. 解放军理工大学学报(自然科学版) 2015(01)
    • [16].非负矩阵分解的一个约束稀疏算法[J]. 四川大学学报(工程科学版) 2015(02)
    • [17].基于对称非负矩阵分解的重叠社区发现方法[J]. 计算机应用 2015(10)
    • [18].基于非负矩阵分解的网络重叠社区发现研究[J]. 系统仿真学报 2014(03)
    • [19].一种基于加权非负矩阵分解的矿产预测方法[J]. 地质学刊 2013(01)
    • [20].二维非负矩阵分解在齿轮故障诊断中的应用[J]. 振动.测试与诊断 2012(05)
    • [21].非负矩阵分解及其在图像压缩中的应用[J]. 西安邮电学院学报 2008(03)
    • [22].在线学习非负矩阵分解[J]. 计算机科学 2019(S1)
    • [23].稀疏正则化的非负矩阵分解高光谱解混算法比较与分析[J]. 南昌工程学院学报 2017(06)
    • [24].β距离与图形限制式的非负矩阵分解应用于单信道分离的效果研究[J]. 赤峰学院学报(自然科学版) 2017(20)
    • [25].基于最小体积约束的非负矩阵分解模型的高光谱解混算法探究[J]. 成都大学学报(自然科学版) 2014(04)
    • [26].基于结构投影非负矩阵分解的协同过滤算法[J]. 浙江大学学报(工学版) 2015(06)
    • [27].基于结构投影非负矩阵分解的协同过滤算法[J]. 浙江大学学报(工学版) 2015(07)
    • [28].稀疏约束图正则非负矩阵分解[J]. 计算机科学 2013(01)
    • [29].基于约束非负矩阵分解的混合象元分解新方法[J]. 杭州电子科技大学学报 2009(04)
    • [30].基于文本挖掘的自动非负矩阵分解的层次聚类方法[J]. 江苏科技信息 2019(04)

    标签:;  ;  ;  ;  

    利用可分离非负矩阵分解实现高光谱波段选择
    下载Doc文档

    猜你喜欢