L1稀疏正则化的高光谱混合像元分解算法比较.pdfVIP

第44 卷第3 期 红外与激光工程 2015 年3 月 Vol.44 No.3 Infrared and Laser Engineering Mar.2015 L 稀疏正则化的高光 混合像元分解算法比较 1 邓承志，张绍泉，汪胜前，田 伟，朱华生，胡赛凤 (南昌工程学院 信息工程学院，江西 南昌 330099) 摘 要 基于稀疏性的高光谱解混是近年来高光谱混合像元分解的研究热点。主要研究了L1 正则化 的高光谱混合像元分解算法。首先分析了L1 正则化的三种解混模型，即无约束、非负约束和全约束模 ；最后，采用模拟的和真实的高光谱数据进行实 ， 型；然后给出了三种模型对应的数值求解算法 验 比 较了三种高光谱混合像元分解算法的效果。实验结果表明：三种模型均具有很好的高光谱混合像元分 解精度(SRE) ，其中全约束模型最好，非负约束模型次之，无约束模型最差；全约束模型在信噪比低和 端元数多的情况下，仍然获得较高的SRE。 ； 关键词 高光谱 混合像元分解； 稀疏性； 增广拉格朗日 中图分类号 TP753 文献标志码 A 文章编号 1007-2276(2015)03-1092-06 Hyperspectral unmixing algorithm based on L1 regularization Deng Chengzhi, Zhang Shaoquan, Wang Shengqian, Tian Wei, Zhu Huasheng, Hu Saifeng (Department of Information Engineering , Nanchang Institute of Technology , Nanchang 330099, China) Abstract: Hyperspectral unmixing based on sparsity is a research hotspot in recent years . This paper studies the hyperspectral unmixing algorithms based on L1 regularization. First we analyzed three unmixing models, including unconstrained model, non negative constraint model and full constrained model. And then the corresponding algorithms are presented . In the end, both simulated and real hyperspectral data sets are used to compare and evaluate the proposed three hyperspectral unmixing algorithms . Experiment