端元约束下的高光谱混合像元非负矩阵分解.pdfVIP

第34卷 第22期 计 算 机 工 程 2008年 11月 Vo1．34 No．22 ComputerEngineering November2008 · 人工智能及识别技术 · 文章编号2008文献标识码：A 中圈分类号；TP237．3 端元约束下的高光谱混合像元非负矩阵分解 吴 波 ，赵银娣 。，周小成 (1．福州大学福建省空间信息工程研究中心，福州 350002；2．中国矿业大学环境与测绘学院，徐州 221116) 摘 要：提出一种端元约束条件下的非负矩阵分解方法来自动反演混合像元组分。以端元光谱之间的差距为约束条件，使得目标函数综合 了影像的分解误差和端元光谱的影响，并以最大后验概率方法导出了限制性非负矩阵分解的迭代算法。成像光谱数据实验结果表明该方法 能够 自动提取影像的端元光谱矩阵与组分信息，且分解精度比IEA方法高。 关健词：非负矩阵分解；混合像元；约束；高光谱 UnmixingM ixturePixels0fHyperspectralImageryUsing EndmemberConstrainedNonnegativeM atrixFactorization W U Bo，ZHAO Yin—di，ZHOU Xiao-cheng (1．SpatialInformationResearchCenterofFujianProvince，FuzhouUniversity，Fuzhou350002； 2SchoolofEnvironmentScienceandSpatialInofrmatics，ChinaUnviersityofMiningandTechnology，Xuzhou221116) [Abstract]AnendmemberconstrainedNonnegativeMatrixFactorization(NMF)methodformixturepixelsunmixingisproposed．Apenalty functionimposedbymaximizingdifferencebetweenendmembersamongallpossiblesimplexesiapresentedintheimage．Themaximum posterior probabilisticmethodisutilizedtoformulateanoveliterativealgorithm bytradingoffabundancenonnegativeattributionandendmemberdifference ExperimentalresultwithPHIdatashowstheproposedalgorithm isanalternativeapproachforendmemberabstractionandabundanceestimation ComparisonwithIEAvalidatestheefficienceoftheproposedmethod． [KeywordsINonnegativeMatrixFactorization(NMF)；mixturepixels；constrainted；hyperspectralimagery 1 概述 利用最小二乘方法估计端元组分不能保证 的估计值为 利用成像光谱仪进行定量遥感应用的一个突出问题就是 非负，导致了估计值与真实值之间的偏离。下面从非负矩阵 混合像元的分解问题，如何有效地解译混合像元一直是高光 分解的角度对混合像元分解问题进行分析。 谱遥感应用的关键问题。非负矩阵分解(NonnegativeMatrix 2．2 非负矩阵分解 Factorization，NMF)是最近发展起来的一种矩阵分解方法，它 NMF可以