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

编号 zgly0001706633

文献类型 期刊论文

文献题名 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

作者 祝伟  王雪  黄岩  杜培军  谭琨 

作者单位 中国矿业大学自然资源部国土环境与灾害监测重点实验室  江苏省地质勘察技术院  南京大学自然资源部卫星测绘技术与应用重点实验室  华东师范大学地理信息科学教育部重点实验室 

母体文献 遥感学报 

年卷期 2020年04期

年份 2020 

分类号 TP751 

关键词 遥感  高光谱解混  深度学习  深度非负矩阵分解  重加权稀疏  全变差 

文摘内容 近年来,非负矩阵分解NMF (Nonnegative Matrix Factorization)由于其简单有效的特点,已被广泛应用于解混。由于传统的NMF只有单层结构,不能获取隐藏层的信息,其解混效果受到制约,为了研究影像的深度空谱特征,本文在深度NMF结构的基础上,提出了一种基于全变差和重加权稀疏约束的深度非负矩阵分解(RSDNMF-TV)算法。首先,使用深度NMF模型代替传统单层NMF模型,在预训练阶段进行逐层预训练,而在微调阶段减少分解误差。其次,由于丰度矩阵是稀疏的,本文在深度NMF模型中加入重加权稀疏正则化项,其权值则根据丰度矩阵自适应更新。最后,进一步引入全变差正则化项,以利用空间信息并促进丰度图的分段平滑性。论文采用梯度下降法推导出乘性迭代规则,为验证所提出的RSDNMF-TV算法的有效性,利用模拟数据集、Cuprite数据集以及高分五号数据集进行实验,并与其他经典方法作对比,结果发现本方法具有更好的解混效果,同时具有一定的去噪能力。