...
  • 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 >Sparse Hyperspectral Unmixing Based on Constrained $ ell_{p} - ell_{2}$ Optimization
【24h】

Sparse Hyperspectral Unmixing Based on Constrained $ ell_{p} - ell_{2}$ Optimization

机译：基于约束$ ell_ {p}-ell_ {2} $优化的稀疏高光谱分解

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

Linear spectral unmixing is an effective technique to estimate the abundances of materials present in each hyperspectral image pixel. Recently, sparse-regression-based unmixing approaches have been proposed to tackle this problem. Mostly, $ell_{1}$ norm minimization is used to approximate the $ell_{0}$ norm minimization problem in terms of computational complexity. In this letter, we model the hyperspectral unmixing as a constrained sparse $ell_{p} - ell_{2}$$(0 < p < 1)$ optimization problem and propose to solve it via the iteratively reweighted least squares algorithm. Experimental results on a series of simulated data sets and a real hyperspectral image demonstrate that the proposed method can achieve performance improvement over the state-of-the-art $ell_{1} - ell_{2}$ method.
机译：线性光谱分解是一种有效的技术，可以估算每个高光谱图像像素中存在的物质含量。最近，已经提出了基于稀疏回归的分解方法来解决这个问题。通常， $ ell_ {1} $ 范数最小化用于近似 $ ell_ {0} $ 范数最小化问题。在这封信中，我们将高光谱解混建模为受约束的稀疏 $ ell_ {p}-ell_ {2} $ $（0 <1）$ 优化问题，并提出通过迭代加权最小二乘算法解决。在一系列模拟数据集和真实的高光谱图像上的实验结果表明，所提出的方法可以相对于最新的 $ ell_ {1}-ell_ {2} $ 方法。

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