基于稀疏的高光谱解混方法作为一类流行的解混方法可以获得较为理想的解混结果。但现有字典裁剪方法只通过一种字典裁剪来得到光谱库子集,会导致得到的光谱库子集不够准确。为提高解混的精度,提出将光谱信息散度和光谱角制图相减作为两...基于稀疏的高光谱解混方法作为一类流行的解混方法可以获得较为理想的解混结果。但现有字典裁剪方法只通过一种字典裁剪来得到光谱库子集,会导致得到的光谱库子集不够准确。为提高解混的精度,提出将光谱信息散度和光谱角制图相减作为两次字典裁剪方法(Spectral Information Divergence minus Spectral Angle Mapping,SS)。两次字典裁剪较一重字典裁剪进一步降低光谱特征不匹配对解混精度的影响,可改善稀疏解混的性能。该文将提出的SS与光谱信息散度、光谱角制图、鲁棒的多重信号分类4种字典裁剪方法用在联合稀疏块低秩解混算法中以来证明两次字典裁剪方法的有效性。展开更多
文摘基于稀疏的高光谱解混方法作为一类流行的解混方法可以获得较为理想的解混结果。但现有字典裁剪方法只通过一种字典裁剪来得到光谱库子集,会导致得到的光谱库子集不够准确。为提高解混的精度,提出将光谱信息散度和光谱角制图相减作为两次字典裁剪方法(Spectral Information Divergence minus Spectral Angle Mapping,SS)。两次字典裁剪较一重字典裁剪进一步降低光谱特征不匹配对解混精度的影响,可改善稀疏解混的性能。该文将提出的SS与光谱信息散度、光谱角制图、鲁棒的多重信号分类4种字典裁剪方法用在联合稀疏块低秩解混算法中以来证明两次字典裁剪方法的有效性。
