×
汤磊（Tong，Lei）；于靖；肖创白；钱斌

通过深度矩阵分解实现高光谱分解。 （英语） Zbl 1386.94016号

国际J.Wavelets多分辨率。信息处理。 15，第6号，文章ID 1750058，16 p.（2017）.
高光谱解混是高光谱遥感图像分析中最重要的技术之一。在过去的几十年中，许多模型在高光谱分解中得到了广泛的应用，如非负矩阵分解（NMF）模型、稀疏回归模型等。最近，提出了一种新的矩阵分解模型deep矩阵，并在人脸识别领域显示出良好的性能。本文介绍了用于高光谱分解的深度矩阵分解（DMF）。在该方法中，将DMF方法应用于高光谱分解。与传统的基于NMF的解混方法相比，DMF可以提取更多具有多层结构的信息。本文还提出了一种具有两个设计过程的DMF优化算法。对合成数据和实际数据的结果验证了该方法的有效性，并表明其优于几种最先进的分解方法。

引用于2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：

高光谱影像；高光谱分解；深层矩阵分解

软件：

美国地质勘探局光谱库
PDF格式BibTeX公司 XML格式引用
\textit｛L.Tong｝等人，Int.J.Wavelets多分辨率。信息处理。15，第6号，文章ID 1750058，16 p.（2017；Zbl 1386.94016）
全文： 内政部

参考文献：

[1] Berman，M.、Kiiveri，H.、Lagerstrom，R.、Ernst，A.、Dunne，R.和Huntington，J.F.，《冰：识别高光谱图像中末端成员的统计方法》，IEEE Trans。地质科学。遥感42（10）（2004）2085-2095。
[2] Bioucas-Dias，J.M.，《线性光谱解混的可变分裂增强拉格朗日方法》，载于《高光谱图像和信号处理第一次研讨会：遥感的发展》（IEEE，2009年），第1-4页。
[3] Bioucas-Dias，J.M.，Plaza，A.，Dobigeon，N.，Parent，M.，Du，Q.，Gader，P.和Chanussot，J.，高光谱分解概述：几何、统计和稀疏回归方法，IEEE J.Sel。主题应用。地球观测站。遥感5（2）（2012）354-379。
[4] Boardman，J.W.，《使用凸几何概念自动对aviris数据进行光谱分解》，载于第四届喷气推进实验室航空地球科学研讨会摘要，美国科罗拉多州博尔德市，80，1993年，第11-14页。
[5] R.Clark、G.Swayze、R.Wise、E.Livo、T.Hoefen、R.Kokaly和S.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（美国地质勘探署，2007）。
[6] Fauvel，M.、Benediktsson，J.A.、Chanussot，J.和Sveinsson，J.R.，使用svms和形态剖面对高光谱数据进行光谱和空间分类，IEEE Trans。地理科学。《遥感》46（11）（2008）3804-3814。
[7] Goetz，A.F.、Vane，G.、Solomon，J.E.和Rock，B.N.，地球遥感成像光谱法，科学228（4704）（1985）1147-1153。
[8] Iordache，M.-D.，Bioucas-Dias，J.M.和Plaza，A.，稀疏高光谱分解的全变差空间正则化，IEEE Trans。地质科学。遥感50（11）（2012）4484-4502。
[9] Iordache，M.-D.，Bioucas-Dias，J.和Plaza，A.，MUSIC-CSR：通过多信号分类和协作稀疏回归进行高光谱分解，IEEE Trans。地质科学。遥感52（2）（2014）4364-4382。
[10] Keshava，N.，《光谱分解算法调查》，Lincoln Labor。J.14（1）（2003）55-78。
[11] N.Keshava和J.F.Mustard，光谱分解，IEEE信号处理。美格。19(1) (2002) 44-57.
[12] Lee，D.D.和Seung，H.S.，通过非负矩阵分解学习对象的各个部分，Nature401（6755）（1999）788-791·Zbl 1369.68285号
[13] Lee，D.D.和Seung，H.S.，非负矩阵分解算法，高级神经信息。工艺系统。（2000），第556-562页。
[14] Lelong，C.C.，Pinet，P.C.和Poilvé，H.，《农业中的高光谱成像和应力测绘：法国波切小麦的案例研究》，遥感环境66（2）（1998）179-191。
[15] Li，J.和Bioucas-Dias，J.M.，《最小体积单纯形分析：高光谱数据分解的快速算法》，IEEE国际地球科学。《遥感交响曲》第3卷（2008年）3-250页。
[16] Linear，A.，《遥感数据光谱分解专题前言》，IEEE Trans。地质科学。遥感49（11）（2011）4103。
[17] Lu，X.，Wu，H.，Yuan，Y.，Yan，P.和Li，X.，用于高光谱解混的流形正则化稀疏NMF，IEEE Trans。地质科学。遥感51（5）（2013）2815-2826。
[18] Miao，L.和Qi，H.，使用最小体积约束非负矩阵分解从高度混合数据中提取端元，IEEE Trans。地质科学。遥感45（3）（2007）765-777。
[19] Nascimento，J.M.和Dias，J.M.Bioucas，独立成分分析在分解高光谱数据中发挥作用吗？IEEE传输。地质科学。远程传感器43（1）（2005）175-187。
[20] Nascimento，J.M.和Dias，J.M，《顶点成分分析：高光谱数据分解的快速算法》，IEEE Trans。地质科学。遥感器43（4）（2005）898-910。
[21] Pauca，V.P.，Piper，J.和Plemmons，R.J.，光谱数据分析的非负矩阵分解，线性代数应用416（1）（2006）29-47·Zbl 1096.65033号
[22] Qian，Y.，Jia，S.，Zhou，J.和Robles-Kelly，A.，通过（L_{1/2}）稀疏约束非负矩阵分解进行高光谱分解，IEEE Trans。地质科学。遥感49（11）（2011）4282-4297。
[23] Qian，Y.，Ye，M.和Zhou，J.，基于结构稀疏逻辑回归和三维小波纹理特征的高光谱图像分类，IEEE Trans。地质科学。遥感51（2013）2276-2291。
[24] Rajabi，R.和Ghassemian，H.，使用多层nmf对高光谱图像进行光谱分解，IEEE Geosci。遥感快报12（1）（2015）38-42。
[25] Resmini，R.、Kappus，M.、Aldrich，W.、Harsanyi，J.和Anderson，M.，美国内华达州铜矿高光谱数字图像采集实验（hydice）传感器数据的矿物制图，《国际遥感杂志》18（7）（1997）1553-1570。
[26] Tang，W.，Shi，Z.和An，Z..，使用光谱特征的先验知识进行高光谱分解的非负矩阵分解，Opt。工程51（8）（2012）087001-1。
[27] Tang，W.，Shi，Z.，Wu，Y.和Zhang，C.，使用光谱先验信息对高光谱数据进行稀疏分解，IEEE Trans。地质科学。遥感53（2）（2015）770-783。
[28] Tong，L.、Zhou，J.、Qian，Y.、Bai，X.和Gao，Y.，基于非负矩阵分解的部分已知端元高光谱分解，IEEE Trans。地质科学。遥感器54（11）（2016）6531-6544。
[29] Trigeorgis，G.、Bousmalis，K.、Zafeiriou，S.和Schuller，B.W.，学习属性表示的深度矩阵分解方法，IEEE Trans。模式分析。机器。Intell.39（3）（2017）417-429。
[30] Winter，M.E.，N-FINDR：高光谱数据中快速自主光谱最终成员确定的算法，SPIE国际交响乐团。《光学科学、工程和仪器》（国际光学和光子学学会，1999年），第266-275页。
[31] Zhang，T.，Fang，B.，Tang，Y.Y.，He，G.和Wen，J.，用于人脸识别的保拓扑非负矩阵因式分解，IEEE Trans。图像处理.17（4）（2008）574-584。
[32] Zhang，T.，Fang，B.，Tang，Y.Y.，Shang，Z.和Xu，B.，广义判别分析：矩阵指数方法，IEEE Trans。系统。天啊，赛博。B部分（控制论）40（1）（2010）186-197。
[33] Zhang，T.，Fang，B.，Yuan，Y.，Tang，Y.Y.，Shang，Z.，Li，D.和Lang，F.，可变光照下人脸识别的多尺度面部结构表征，模式识别。42（2）（2009）251-258·兹比尔1162.68644
[34] Zhang，T.，Tang，Y.Y.，Fang，B.，Shang，Z.和Liu，X.，使用梯度面在不同光照下进行人脸识别，IEEE Trans。图像处理.18（11）（2009）2599-2606·Zbl 1371.94457号
[35] Zhang，B.，Zhuang，L.，Gao，L.、Luo，W.、Ran，Q.和Du，Q.PSO-EM：基于正常成分模型的高光谱分解算法，IEEE Trans。地质科学。遥感52（12）（2014）7782-7792。
[36] Zhu，F.，Wang，Y.，Xiang，S.，Fan，B.和Pan，C.，高光谱分解的结构化稀疏方法，ISPRS J.照片图。遥感器88（2014）101-118。
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。