基于像元混合模型估计的高光谱图像解混

基金项目: 国家自然科学基金资助项目(61401307)；中国博士后科学基金资助项目(2014M561184)；天津市应用基础与前沿技术研究计划资助项目(15JCYBJC17100)。

详细信息

Hyperspectral Unmixing Based on Estimation of Pixels Mixing Models

摘要: 在高光谱图像中，线性混合像元和非线性混合像元同时存在，若采用基于单一混合模型的解混算法，会使解混精度降低。因此，提出采用神经网络对高光谱图像中的像元混合模型进行估计，然后针对不同的混合模型进行相应的像元解混。像元解混时，在目标函数中添加丰度非负和丰度和为一约束项，利用差分搜索算法优化求解目标函数以实现高光谱图像的解混。仿真和实际高光谱数据实验表明，本算法提高了解混精度，适用于线性和非线性混合模型。
- 高光谱图像解混 /
- 神经网络 /
- 像元混合模型 /
- 差分搜索算法

1.	孟蝶，吕书强，侯妙乐，高振华. 典型矿物颜料混合像元几何单形体端元提取算法研究. 地理信息世界. 2020(05): 1-6+11 . 百度学术
2.	刘万军，籍瑞庆，曲海成，武小杰，王佳铭. 差分搜索的多线性高光谱图像解混研究. 测绘科学. 2019(05): 93-101 . 百度学术
3.	房森，焦淑红. 分组寻优的多端元高光谱图像解混方法. 应用科技. 2019(06): 20-24+52 . 百度学术