基于NMF的遥感图像混合像元分解新方法

基于双图正则的半监督NMF混合像元解混算法邹丽;蔡希彪;孙静;孙福明【期刊名称】《计算机科学》【年(卷),期】2018(45)12【摘要】在高光谱图像中混合像元普遍存在,这极大地阻碍了高光谱遥感技术的发展进程,因此,在利用光谱图像的过程中,如何准确高效地进行混合像元解混是一个关键问题.对于高光谱图像混合像元分解,使用原始的非负矩阵分解(Nonnegative Matrix Factorization ,NMF)算法面临一些困难:首先,其目标函数为非凸函数,难以求解得到全局最优解;其次,混合像元中并不存在纯像元.为了解决这些问题,文中提出一种新的算法———基于双图正则的半监督NMF(Dual graph-regularized Constrained Nonnegative Matrix Factorization ,DCNMF)混合像元解混算法.该算法采用了梯度下降法和迭代更新法则,既考虑了高光谱数据流形与光谱特征流形的几何结构,又能跳出局部极值,从而求解得到全局最优解.通过真实的高光谱图像数据仿真实验表明,DCNM F算法能够准确高效地进行混合像元分解,改善了解混效果,提高了解混精度,节约了计算时间,加快了收敛速度.【总页数】5页(P251-254,278)【作者】邹丽;蔡希彪;孙静;孙福明【作者单位】辽宁工业大学电子与信息工程学院辽宁锦州121001;辽宁工业大学电子与信息工程学院辽宁锦州121001;大连理工大学软件工程学院辽宁大连116024;辽宁工业大学电子与信息工程学院辽宁锦州121001【正文语种】中文【中图分类】TP391【相关文献】1.基于有监督双正则NMF的静脉识别算法 [J], 贾旭;孙福明;李豪杰;曹玉东2.改进的MVC-NMF算法在高光谱图像解混中的应用 [J], 李二森;张振华;赵国青;宋丽华3.基于混合像元空间与谱间相关性模型的NMF线性盲解混 [J], 袁博4.基于超像素的流形正则化稀疏约束NMF混合像元分解算法 [J], 李登刚; 陈香香; 李华丽; 王忠美5.一种基于最小距离和稀疏图正则约束的非负矩阵解混算法 [J], 李恒宇;刘善军;祁玉馨;王东因版权原因，仅展示原文概要，查看原文内容请购买。

基于NMF的遥感图像混合像元分解新方法
陶雪涛;王斌;张立明
【期刊名称】《太赫兹科学与电子信息学报》
【年(卷),期】2008(006)001
【摘要】单形体几何学方法是混合像元分解中一类重要的方法,这类方法均需要一个较强的前提假设,即每一端元在图像中均至少存在一个纯像元.当此前提不满足时,该类方法的精度会大受影响.本文提出一种新的基于非负矩阵因式分解(NMF)算法的混合像元分解方法,以解决上述问题.加入适当的约束条件,可用于多通道混合像元分解问题.模拟数据实验与实际数据实验结果表明,该方法在端元光谱特性提取和丰度解混两方面的精度均优于单形体几何学方法.
【总页数】6页(P34-39)
【作者】陶雪涛;王斌;张立明
【作者单位】复旦大学,电子工程系,上海,200433;复旦大学,电子工程系,上
海,200433;复旦大学,波散射和遥感信息教育部重点实验室,上海,200433;复旦大学,电子工程系,上海,200433
【正文语种】中文
【中图分类】TP751
【相关文献】
1.基于正交非负矩阵分解的高光谱遥感图像混合像元分解 [J], 孙莉;赵庚星
2.基于OSP与NMF的光谱混合像元分解方法 [J], 徐君;展爱云;刘志伟
3.基于非负矩阵分解的高光谱遥感图像混合像元分解 [J], 刘雪松;王斌;张立明
4.基于核方法的高光谱遥感图像混合像元分解 [J], 林娜;杨武年;王斌
5.基于超像素的流形正则化稀疏约束NMF混合像元分解算法 [J], 李登刚; 陈香香; 李华丽; 王忠美
因版权原因，仅展示原文概要，查看原文内容请购买。

基于正则化方法的遥感图像混合像元分解
丁海勇;卞正富
【期刊名称】《微计算机信息》
【年(卷),期】2008(24)36
【摘要】由于传感器的分辨率的限制,在低空间分辨率遥感图像中存在着大量的混合像元.混合像元所表示的并不是单一地面物体类别的光谱反射值,而是多种类别的反射光谱的组合.混合像元的混合模型可以分为线性混合模型和非线性混合模型.线性混合模型是最常用的一种解混合方法,对于线性混合模型的求解算法进行了研究,根据最小二乘原理,提出了基于正则化方法的线性混合模型求解算法,对实际遥感TM图像进行了解混合运算,求得了端元丰度图像和伪彩色合成图像.
【总页数】3页(P295-297)
【作者】丁海勇;卞正富
【作者单位】221008,徐州,中国矿业大学环测学院;271018,泰安,山东农业大学信息学院;221008,徐州,中国矿业大学环测学院
【正文语种】中文
【中图分类】TP301.8
【相关文献】
1.基于L1正则化反卷积网络的遥感图像表述与复原方法 [J], 陈扬钛;钟平
2.基于L1正则化反卷积网络的遥感图像表述与复原方法 [J], 陈扬钛;钟平
3.基于NMF的遥感图像混合像元分解新方法 [J], 陶雪涛;王斌;张立明
4.基于核方法的高光谱遥感图像混合像元分解 [J], 林娜;杨武年;王斌
5.基于超像素的流形正则化稀疏约束NMF混合像元分解算法 [J], 李登刚; 陈香香; 李华丽; 王忠美
因版权原因，仅展示原文概要，查看原文内容请购买。

杨伟等:基于混合像元分解的遥感图像融合实用算法表1ETM多光谱和全色波段的参数图像波段范围(um)空间分辨率ETM+多光谱band1:0.45–0.5230m band2:0.52–0.60band3:0.63–0.69band4:0.76–0.90band5:1.55–1.75band7:2.08–2.36ETM+全色0.52-0.9015m图5各种算法的融合图像(分别以波段4、3、2作为红、绿、蓝波段的输入)分辨率后,应该尽可能等同于原始多波段低分辨率图像;(2)每个波段的合成图图像应尽可能与相应的传感器获得的高分辨率图像相同;(3)多波段合成图像应尽可能与相应的传感器获得的高分辨率多波段图像相同.为定量描述融合图像的以上性质,我们选取了如下统计指标:偏差(bias)、标准偏差(SD,standard deviation)、均方根误差(RMSE,root mean square error)和ERGAS(来自法语“erreur relative globale adimensionnelle de synthese”,意即“合成图像无方向性全局相对误差”).各种指标的计算公式如下:D k=B∗Lk−B Lk,Bias k=D kB Lk×100,SD k=√∑Ni=1(D k−D k)2/(N−1)B Lk×100,RMSE k=√(D k)2B Lk×100,ERGAS=100×hl×√1k∑ki=1RMSE k)2M2k,(10)674。

基于光谱复原的NMF遥感图像融合改进算法
马一薇;冯伍法;祝鹏飞;张斌
【期刊名称】《海洋测绘》
【年(卷),期】2010(030)001
【摘要】在研究了非负矩阵分解(NMF)用于遥感图像融合技术的基础上,改进了一种基于光谱复原的NMF遥感图像融合算法,首先利用矩阵非负性分解求取图像的基向量矩阵,然后综合考虑图像融合后的光谱特性和波形变化情况,对基向量矩阵进行直方图规则化处理,最后得到融合后的图像.实验结果表明,该方法具有较好保持原始图像的光谱信息和空间信息的优点.
【总页数】3页(P41-43)
【作者】马一薇;冯伍法;祝鹏飞;张斌
【作者单位】解放军信息工程大学,测绘学院,河南,郑州,450052;61512部队,北京,100088;解放军信息工程大学,测绘学院,河南,郑州,450052;解放军信息工程大学,测绘学院,河南,郑州,450052;解放军信息工程大学,测绘学院,河南,郑
州,450052;96633部队,北京,100096
【正文语种】中文
【中图分类】TP751.1
【相关文献】
1.基于改进切趾函数的Fourier 光谱仪光谱复原效果的提高 [J], 江峰;盛文;蒋伟
2.基于BEMD与NMF的多源遥感图像融合 [J], 崇元;徐晓刚
3.改进的MVC-NMF算法在高光谱图像解混中的应用 [J], 李二森;张振华;赵国青;宋丽华
4.基于多通道空间光谱全变差的衍射光谱图像复原算法 [J], 王旭; 陈强; 孙权森
5.基于改进梯度投影NMF和复Contourlet变换的遥感图像融合 [J], 吴一全;沈毅;殷骏
因版权原因，仅展示原文概要，查看原文内容请购买。

《高光谱遥感影像非线性混合像元分解算法研究》一、引言高光谱遥感技术以其精细的光谱分辨率，为地表覆盖类型识别、环境监测和资源调查等领域提供了强大的数据支持。

然而，由于地表的复杂性，高光谱遥感影像中常常存在混合像元现象，即一个像素内包含多种地物类型的信息。

这给影像的准确解译带来了困难。

非线性混合像元分解算法作为解决这一问题的有效手段，近年来受到了广泛关注。

本文旨在研究高光谱遥感影像非线性混合像元分解算法，以期提高影像解译的准确性和可靠性。

二、高光谱遥感影像混合像元问题高光谱遥感影像混合像元问题主要表现为像素内多种地物类型的光谱信息相互干扰，导致解译结果的准确度下降。

这主要是由于地表的异质性、地物间的光谱相似性以及大气、地形等因素的影响。

为了解决这一问题，需要采用非线性混合像元分解算法，将混合像元分解为单一的、可解释的成分，以提高遥感影像的解译精度。

三、非线性混合像元分解算法概述非线性混合像元分解算法主要通过建立复杂的物理模型或统计模型，将混合像元分解为各组分的光谱贡献。

这些算法包括基于物理模型的算法、基于统计模型的算法以及基于机器学习的算法等。

其中，基于物理模型的算法考虑了地表的物理特性，具有较高的解译精度；而基于机器学习的算法则通过训练模型，从大量数据中学习地物的光谱特征，具有较好的自适应性和泛化能力。

四、高光谱遥感影像非线性混合像元分解算法研究针对高光谱遥感影像的非线性混合像元问题，本文提出了一种基于深度学习的非线性混合像元分解算法。

该算法通过构建深度神经网络模型，学习地物的光谱特征和空间特征，实现混合像元的非线性分解。

具体而言，该算法包括以下步骤：1. 数据预处理：对高光谱遥感影像进行预处理，包括去噪、校正等操作，以提高数据的质量。

2. 构建深度神经网络模型：根据地物的光谱特征和空间特征，构建深度神经网络模型。

该模型包括多个层次的结构，每个层次都通过学习地物的特征来提高解译精度。

3. 训练模型：利用大量标注的高光谱遥感影像数据，对深度神经网络模型进行训练。

基于OSP与NMF的光谱混合像元分解方法徐君;展爱云;刘志伟【摘要】Because of the high similarity to the linear spectral mixing model,non-negative matrix factorization (NMF)has become a hot research topic in spectral unmixing algorithms. In order to avoid uncertainty of the re-sults due to the NMF algorithm dropping into a local minimum solution,this paper proposes orthogonal sub-space projection(OSP)to estimate the number of endmembers,Meanwhile,the calculation method for the sim-plex volume is simplified. The experimental results show that the abundance map obtained from spectral unmix-ing can reflect the real distribution of surface minerals.% 非负矩阵分解(NMF)由于跟线性光谱混合模型具有很高的相似性，因此成为光谱混合像元分解中算法中的一个研究热点。

为了避免NMF算法陷入局部最小带来的求解结果不确定性，提出用正交子空间投影(OSP)方法来估计高光谱图像端元的个数，同时简化了最小单形体体积约束的NMF算法中关于单形体体积的计算方法。

实验结果表明利用该算法得到的地物丰度图与真实地物的分布状况相吻合。

【期刊名称】《华东交通大学学报》【年(卷),期】2013(000)001【总页数】5页(P5-9)【关键词】高光谱;光谱混合;正交子空间投影;非负矩阵分解【作者】徐君;展爱云;刘志伟【作者单位】华东交通大学信息工程学院，江西南昌330013;华东交通大学信息工程学院，江西南昌330013;华东交通大学信息工程学院，江西南昌330013【正文语种】中文【中图分类】O435高光谱遥感技术可以同时提供空间域信息和光谱域信息，得到地物近似平滑的光谱曲线，因此近年来广泛地应用在土地资源调查、环境监测、军事侦察等领域[1-3]。