×
里特，格哈德·X。;冈萨洛·乌西德

一种用于高光谱图像分解的格子矩阵方法。 （英语） Zbl 1217.94018号

信息科学。 181，第10期，1787-1803（2011）.
小结：基于晶格自联想记忆的最新理论进展，我们提出了一种在高光谱图像中自主确定端元的方法。给定一幅高光谱图像，格代数方法在一次通过中找到所有可能的候选端元，从中可以导出各种仿射独立的最终端元集。与其他端元检测方法相比，使用两个对偶正则晶格矩阵发现的端元在几何上与数据集谱相关联。首先详细描述了所提方法的数学基础，然后通过应用示例说明了所提基于格的方法的关键步骤。

引用于8文件

MSC公司：

94A08型 信息与通信理论中的图像处理（压缩、重建等）

关键词：

神经网络;点阵联想存储器;格代数：仿射独立性;晶格独立性;格子矩阵;高光谱图像分析：端元搜索;光谱分离;丰度图

软件：

美国地质勘探局光谱库
PDF格式BibTeX公司 XML格式引用
\textit{G.X.Ritter}和\textit{G.Urcid}，信息科学。181，第10号，1787--1803（2011；Zbl 1217.94018）
全文： 内政部

参考文献：

[1] Adam，J.B。；M.O.史密斯。；Johnson，P.E.，《光谱混合物建模：维京登陆者1号遗址岩石和土壤类型的新分析》，《地球物理研究杂志》，91，B8，8098-8112（1986）
[2] J.C.Anderson，L.Gosink，M.A.Duchaineau，K.I.Joy，《功能域中的特征识别和提取》，摘自：欧洲制图学会/IEEE-VGTC可视化研讨会，2007年，第195-201页。；J.C.Anderson，L.Gosink，M.A.Duchaineau，K.I.Joy，《功能域中的特征识别和提取》，摘自：欧洲制图会议论文集/IEEE-VGTC可视化研讨会，2007年，第195-201页。
[3] 巴顿，L.M。；Rentelspacher，A.，《有限线性空间理论》（1993），剑桥大学出版社：剑桥大学出版社，英国剑桥·Zbl 0806.51001号
[4] Birkhoff，G.，格理论（1967），美国数学学会：美国数学学会普罗维登斯，RI·兹伯利0126.03801
[5] J.W.Boardman，使用凸几何概念对AVIRIS数据进行自动光谱分解，见：AVIRIS研讨会论文集，第4卷，JPL出版物，1993年，第11-14页。；J.W.Boardman，使用凸几何概念对AVIRIS数据进行自动光谱分解，见：AVIRIS研讨会论文集，第4卷，JPL出版物，1993年，第11-14页。
[6] 博伊德，S。；Vandenberghe，L.，《凸优化》（2008），剑桥大学出版社：剑桥大学出版社，纽约
[7] Chan，T-H。；Chi，C-Y。；Huang，Y-M。；Ma，W-K.，基于凸分析的高光谱分解最小体积封闭单纯形算法，IEEE信号处理汇刊，57，11，4418-4432（2009）·Zbl 1392.94129号
[8] R.N.Clark，G.A.Swayze，R.Wise，E.Livo，T.Hoefen，R.Kokaly，S.J.Sutley，美国地质勘探局数字光谱库splib06a:美国地质调查局，数字数据系列231<http://specla.cr.usgs.gov/spectral.lib06>; R.N.Clark，G.A.Swayze，R.Wise，E.Livo，T.Hoefen，R.Kokaly，S.J.Sutley，美国地质勘探局数字光谱库splib06a:美国地质调查局，数字数据系列231<http://specla.cr.usgs.gov/spectral.lib06>
[9] Craig，M.D.，遥感数据的最小体积变换，IEEE地球科学与遥感汇刊，32，3，542-552（1994）
[10] Critescu，R.，《拓扑向量空间》（1977），诺德霍夫国际出版公司：诺德霍福国际出版公司，荷兰莱顿·Zbl 0345.46001号
[11] Cuninghame-Green，R.，Minimax代数及其应用，（Hawkes，P.，《成像和电子物理进展》，第90卷（1995），学术出版社：加州圣地亚哥学术出版社），1-121·Zbl 0739.90073号
[12] N.Dobigeon，J.Y.Tourneret，C.I.Chang，使用分层贝叶斯模型对高光谱图像进行半监督线性光谱分解，IRIT-ENSEEHIT-TéSA，法国，技术报告，2007年，第1-34页。；N.Dobigeon，J.Y.Tourneret，C.I.Chang，《使用分层贝叶斯模型对高光谱图像进行半监督线性光谱分解》，IRIT-ENSEEHIT-TéSA，法国，《技术报告》，2007年，第1-34页。
[13] 杜达，R.O。；哈特，体育。；斯托克·D·G，《模式分类》（2000），约翰·威利父子：约翰·威立父子纽约
[14] Eggleston，H.G.，《凸性》（1963），剑桥大学出版社：剑桥大学出版社·Zbl 0086.15302号
[15] M.Graña，P.Sussner，G.X.Ritter，光谱分解中端元测定的联想形态学记忆，收录于：FUZZ-IEEE学报，2003年，第1285-1290页。；M.Graña，P.Sussner，G.X.Ritter，光谱分解中端元测定的联想形态学记忆，收录于：FUZZ-IEEE学报，2003年，第1285-1290页。
[16] 格拉纳，M。；埃尔南德斯，C。；Gallego，J.，《高光谱图像端元搜索的单一个体进化策略》，《信息科学》，161，3-4，181-197（2004）
[17] M.Graña，J.L.Jiménez，C.Hernández，《格独立性、自相关形态记忆和高光谱图像的无监督分割》，载于《信息科学第十届联合会议论文集》，2007年，第1624-1631页。；M.Graña，J.L.Jiménez，C.Hernández，《格独立性、自相关形态记忆和高光谱图像的无监督分割》，载于《信息科学第十届联合会议论文集》，2007年，第1624-1631页。
[18] 格拉纳，M。；维拉维德，I。；J.O.马尔多纳多。；Hernández，C.，高光谱图像无监督分割的两种格子计算方法，神经计算，72，10-12，2111-2120（2009）
[19] Hadwiger，H.，Vorlesungenüber Inhalt。《Vorlesungenüber Inhalt，Oberfläche und Isoperimetrie》（1957），施普林格出版社：柏林施普林格·Zbl 0078.35703号
[20] S.J.Hook，ASTER光谱库：喷气推进实验室(<网址：http://speclib.jpl.nasa.gov>; S.J.Hook，ASTER光谱库：喷气推进实验室(<http://speclib.jpl.nasa.gov>
[21] Kh.D.伊克拉莫夫。；Matin-far，M.，最小二乘法在非负orthant上的计算机代数实现，《数学科学杂志》，132，2156-159（2006）
[22] Jensen，J.R.，《环境遥感：地球资源视角》（2007年），地理信息系统中的Prentice Hall系列：地理信息系统中的Prentice Hall系列，新泽西州上鞍河
[23] Korenius，T。；Laurikkala，J。；Juhola，M.，《信息检索中的主成分分析、余弦和欧几里德测度》，《信息科学》，177，22，4893-4905（2007）·Zbl 1122.68417号
[24] F.A.Kruse，L.L.Richardson，V.G.Ambrosia，《应用于近岸高光谱海洋数据的高光谱数据地质分析技术》，载《第四届海洋和沿海环境遥感国际会议论文集》，第一卷，密歇根州安阿伯，1997年，第233-246页。；F.A.Kruse，L.L.Richardson，V.G.Ambrosia，《应用于近岸高光谱海洋数据的高光谱数据地质分析技术》，载《第四届海洋和沿海环境遥感国际会议论文集》，第一卷，密歇根州安阿伯，1997年，第233-246页。
[25] 劳森，C.L。；Hanson，R.J.，《解决最小二乘问题》（1974），普伦蒂斯·霍尔：普伦蒂斯霍尔·恩格尔伍德克利夫斯，新泽西州·Zbl 0185.40701号
[26] D.S.Myers，《利用形态学自联想记忆进行高光谱末端成员检测》，佛罗里达大学硕士论文，佛罗里达州盖恩斯维尔，2005年，第1-51页。；D.S.Myers，《利用形态学自联想记忆进行高光谱末端成员检测》，佛罗里达大学硕士论文，佛罗里达州盖恩斯维尔，2005年，第1-51页。
[27] Myklebact，G。；Steen，E.，多光谱医学图像可视化中的神经网络，信息科学，89，3-4，297-307（1996）
[28] Nascimento，J.M.P。；Bioucas-Dias，J.M.，顶点分量分析：高光谱数据非混合的快速算法，IEEE地球科学与遥感汇刊，43，4，898-910（2005）
[29] Richardson，L.L。；布森，D。；刘长杰。；Ambrosia，V.G.，《利用AVIRIS光谱数据检测藻类光合辅助色素》，《海洋技术学会期刊》，28，10-21（1994）
[30] Ritter，G.X。；苏斯纳，P。；Díaz de León，J.L.，形态联想记忆，IEEE神经网络汇刊，9，2，281-293（1998）
[31] G.X.Ritter，格代数和极小极大代数，收录于：图像代数，佛罗里达州盖恩斯维尔市佛罗里达大学CISE系，1999年（可通过匿名FTP获取未出版手稿）。；G.X.Ritter，格代数和极小极大代数，收录于：图像代数，佛罗里达州盖恩斯维尔佛罗里达大学CISE系，1999年（可通过匿名FTP获取未出版手稿）。
[32] Ritter，G.X。；Díaz de León，J.L。；Sussner，P.，形态学双向联想记忆，神经网络，12851-867（1999）
[33] Ritter，G.X。；Urcid，G。；Iancu，L.，使用形态联想记忆从噪声输入中重建模式，数学成像与视觉杂志，19，2，95-111（2003）·Zbl 1065.68087号
[34] Ritter，G.X。；Gader，P.，晶格变换和晶格联想记忆的不动点，（Hawkes，P.，Advances in Imaging and Electron Physics，第144卷（2006），学术出版社：学术出版社，加利福尼亚州圣地亚哥），165-242
[35] Ritter，G.X。；Urcid，G。；Schmalz，M.S.，使用晶格自关联记忆的自主单程端元近似，神经计算，72，10-12，2101-2110（2009）
[36] G.X.Ritter，G.Urcid，《高光谱图像中确定端元的晶格代数方法》，P.Hawkes（编辑），《成像和电子物理进展》，第160卷，学术出版社，马萨诸塞州伯灵顿，2010年，第113-169页。；G.X.Ritter，G.Urcid，高光谱图像中端元确定的格点代数方法，载于：P.Hawkes（编辑），《成像与电子物理进展》，第160卷，学术出版社，马萨诸塞州伯灵顿，2010年，第113-169页。
[37] 罗伯茨，医学博士。；加德纳，M。；丘奇，R。；Ustin，S。；谢尔，G。；Green，R.O.，使用多端元光谱混合模型绘制圣莫尼卡山脉中的沙巴拉，遥感环境，65，3，267-279（1998）
[38] 叶片，G。；绿色，R.O。；Chrien，T.G。；Enmark，H.T。；Hansen，E.G。；Porter，W.M.，机载可见/红外成像光谱仪（AVIRIS），遥感环境，44127-143（1993）
[39] M.E.Winter，《高光谱数据中快速自主光谱端元测定》，载于《第13届应用遥感国际会议论文集》，第2卷，1999年，第367-344页。；M.E.Winter，《高光谱数据中快速自主光谱端元测定》，载于《第13届应用遥感国际会议论文集》，第2卷，1999年，第367-344页。
[40] M.E.Winter，《高光谱分析中快速自主光谱端元测定的算法》，载《成像光谱法》，《SPIE 3753学报》，1999年，第266-275页。；M.E.Winter，《高光谱分析中快速自主光谱端元测定的算法》，载于：成像光谱法，《SPIE 3753学报》，1999年，第266-275页。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。