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。