1 复旦大学 电磁波信息科学教育部重点实验室, 上海 200433
2 北京师范大学 地表过程与资源生态国家重点实验室, 北京 100875
3 中国交通通信信息中心, 北京 100011
高光谱图像解混是高光谱数据分析的重要研究内容.在现有混合模型的基础上, 提出一种新的高光谱图像非线性解混算法.通过在目标函数中引入丰度的非负及和为一约束以及非线性参数的有界约束, 该算法将高光谱图像非线性解混问题转化为求解丰度矢量和非线性参数的约束非线性最小二乘问题, 继而采用一种交替迭代优化算法求解该问题.仿真和实际高光谱数据的实验结果表明, 所提出的算法有效地克服了线性解混的不足, 同时具有良好的抗噪声性能, 可以作为一种解决高光谱遥感图像非线性解混的有效手段.
高光谱遥感图像 非线性解混 非线性最小二乘 丰度非负约束 丰度和为一约束 有界约束 hyperspectral imagery nonlinear unmixing nonlinear least squares abundance nonnegative constraint abundance sum-to-one constraint bound constraint
1 复旦大学 电子工程系, 上海 200433
2 复旦大学 波散射与遥感信息重点实验室, 上海 200433
提出两种基于图像欧氏距离的非线性降维方法.该方法利用高光谱图像物理特性, 将图像欧氏距离引入到传统的流形降维算法中.与其它应用于高光谱图像的降维算法相比, 该算法具有诸多优点.图像欧氏距离的引入, 在考虑高光谱图像本身的空间关系的同时, 很好地保持了数据点之间的局部特性, 可以实现有效地去除原始数据集光谱维和空间维的冗余信息.实际高光谱数据的实验结果表明, 该算法应用于高光谱图像分类时, 与其它常见的方法相比具有更高的分类精度.
高光谱遥感图像 非线性降维 图像欧氏距离 分类 hyperspectral imagery nonlinear dimensional reduction image Euclidean distance classification
1 复旦大学 电子工程系，上海200433
2 复旦大学 波散射与遥感信息教育部重点实验室，上海200433
提出了一种基于CayleyMenger行列式的快速端元提取算法.该算法的目标是寻找包含高光谱数据集的最小体积的单形体.与其它基于单形体几何的算法相比，该方法具有诸多优点.首先，CayleyManger行列式的引入使得算法可以便捷地利用Hermite矩阵的特点大大加速搜索过程，进而得到一个稳定的最终解.其次，该算法无须对数据进行降维处理，从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明，所提出的算法在获得准确解的同时，具有非常快的收敛速度.
高光谱解混 CayleyMenger行列式 辅助高 最小体积 单形体 hyperspectral unmixing CayleyMenger determinant auxiliary height minimum volume simplex
