资源简介

摘要： 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。 关键词： 高光谱遥感;  盲分解;  空谱初始化;  非负矩阵分解     Abstract: Non-negative Matrix Factorization (NMF)method of blind spectral unmixing can obtain the spectrum and abundance of the endmember by synchronous optimization，without supervising the selection of endmember.Therefore，NMF has been developed rapidly in the application of hyperspectral unmixing.However，traditional blind spectral unmixing NMF method tends to fall into the local optimum and it is difficult to obtain a stable optimal solution.In this paper，we propose an improved Non-negative Matrix Factorization (NMF)method based on Spatial\|Spectal Preprocessing for spectral unmixing of hyperspectral data (SSPP-NMF).First，the SSPP algorithm is used to combine spatial and spectral information to select reasonable and effective dataset.Then，the NMF algorithm is used to unmix this dataset to obtain the final optimized endmember spectrum.Finally，the Non\|Negative Least Squares (NNLS)method is used to obtain the final abundance of the whole study area.The validity and applicability of the proposed method were analyzed based on a set of synthetic hyperspectral data and real hyperspectral images；and then the results were compared with that from three algorithms including the existing NMF algorithm，MVC\|NMF algorithm and ATGP-NMF algorithm.Results show that compared with ATGP-NMF and MVC-NMF，the SSPP algorithm can effectively suppress the influence of noise，significantly improve the performance of the NMF method of blind spectral unmixing algorithm.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.