• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International symposium on photoelectronic detection and imaging;ISPDI 2011 >Sparse unmixing analysis for hyperspectral imagery of space objects
【24h】

Sparse unmixing analysis for hyperspectral imagery of space objects

机译：空间物体的高光谱图像的稀疏分解分析

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Spectral unmixing analysis for hyperspectral images aims at estimating the pure constituent materials (called endmembers) in each mixed pixel and their corresponding fractional abundances. In this article, we use a semi-supervised approach based on a large spectral database. It aims at finding the optimal subset of spectral signatures in a large spectral library that can best model each mixed pixel in the scene and computes the fractional abundance which every spectral signal corresponds to. We use l_2 - l_1 sparse regression technical which has the advantage of being convex. Then we adopt split Bregman iteration algorithm to solve the problem. It converges quickly and the value of regularization parameter could remain constant during iterations. Our experiments use simulated pure and mixed pixel hyperspectral images of Hubble Space Telescope. The endmembers selected in the solution are the real materials' spectrums in the simulated data and the approximations of their corresponding fractional abundances are close to the true situation. The results indicate the algorithm works well.
机译：高光谱图像的光谱解混分析旨在估算每个混合像素中的纯构成材料（称为末端成员）及其相应的分数丰度。在本文中，我们使用基于大型光谱数据库的半监督方法。它旨在在大型光谱库中找到光谱特征的最佳子集，该光谱子集可以对场景中的每个混合像素进行最佳建模，并计算每个光谱信号所对应的分数丰度。我们使用l_2-l_1稀疏回归技术，该技术具有凸性的优点。然后采用分裂Bregman迭代算法来解决该问题。它收敛迅速，并且正则化参数的值在迭代过程中可以保持恒定。我们的实验使用哈勃太空望远镜模拟的纯像素和混合像素高光谱图像。在解决方案中选择的最终成员是真实材料在模拟数据中的光谱，其相应的分数丰度的近似值接近真实情况。结果表明该算法效果良好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号