基于空谱初始化的非负矩阵光谱混合像元盲分解

编号 zgly0001634870

文献类型 期刊论文

文献题名 基于空谱初始化的非负矩阵光谱混合像元盲分解

作者 郭宇柏  卓莉  陶海燕  曹晶晶  王芳 

作者单位 中山大学地理科学与规划学院广东省城市化与地理环境空间模拟重点实验室  中山大学地理科学与规划学院综合地理信息研究中心  广州大学地理科学学院 

母体文献 遥感技术与应用 

年卷期 2018年02期

年份 2018 

分类号 TP751 

关键词 高光谱遥感  盲分解  空谱初始化  非负矩阵分解 

文摘内容 混合像元分解是提高遥感监测能力的有效方法之一,因此一直以来是遥感领域的重要研究内容。非负矩阵盲分解(Non-negative Matrix Factorization,NMF)方法无需监督选择端元,无需假定纯像元存在,且能同步获取优化的端元光谱与端元丰度,从而为先验知识不足、高度混合场景下的混合像元分解提供了不错的选择,因此成为高光谱混合像元分解方法的重要分支之一。但NMF易陷入局部最优,若直接应用于混合像元解混难以获取稳定的最优解,从而影响了NMF在光谱混合分解的推广应用。针对这一问题,提出一种利用空谱预处理(SSPP)改进NMF的混合像元分解方法(SSPP-NMF)。首先利用SSPP算法结合空间和光谱信息筛选出合理有效的数据子集;然后用NMF算法对筛选出的数据子集进行混合像元分解,获取具有空间均匀性和光谱纯净性的端元光谱;最后基于上一步获取端元光谱利用非负最小二乘法(NNLS)获取整个研究区的最终端元丰度。为检验该方法的有效性和适用性,分别采用模拟仿真数据和真实遥感影像分析了SSPP对NMF的改善效果,并与ATGP-NMF、MVC-NMF两种基于初始化改进NMF的方法进行了比较分析,结果表明:相比ATGP-NMF、MVC-NMF而言,SSPP算法更能有效抑制噪声的影响,明显地提高NMF分解效果,并且具有较高的时间效率。