...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >Error Approximation of Hyperspectral Unmixing via Correntropy-Induced Metric
【24h】

Error Approximation of Hyperspectral Unmixing via Correntropy-Induced Metric

机译：通过控制诱导度量误差近极光谱近似值

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this letter, a sparse-constrained hyperspectral unmixing method via reconstruction error approximation is proposed. In the presented method, all the noises and the outliers are treated as diverse interferences and addressed to minimize the regularization error. Several techniques are involved in our presented approach: 1) to attenuate the interference of noise, an auxiliary variable is introduced; 2) based on the relative noiseless hyperspectral image, a sparse constraint is employed to achieve the sparsity; and 3) besides, the correntropy-induced metric (CIM), instead of the L-2- or L-2,L-1-norm loss function, is utilized to measure the quality of the unmixing model approximation. A series of experiments on the synthetic and real hyperspectral images is conducted, and all the experiment results show the efficacy of the proposed approach.
机译：在这封信中，提出了通过重建误差近似的稀疏约束的高光谱解。在呈现的方法中，所有噪声和异常值都被视为不同的干扰，并解决以最小化正则化错误。涉及我们所提出的方法的几种技术：1）为了衰减噪声的干扰，介绍辅助变量; 2）基于相对无噪声高光谱图像，采用稀疏约束来实现稀疏性; 3）除了，使用正轮脑诱导的公制（CIM），代替L-2或L-2，L-1-NOM损耗功能，用于测量解混模型近似的质量。进行了一系列关于合成和实际高光谱图像的实验，并且所有实验结果都显示了所提出的方法的功效。

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