Year: 2025
Type: article
Abstract: 针对单层非负矩阵分解（NMF）无法挖掘影像中隐藏的深层次特征，且深度NMF方法的性能受层次结构设置限制的问题，提出一种基于图约束的深度非负矩阵分解（GDNMF）算法用于高光谱解混。所提算法基于深度NMF方法挖掘高光谱影像中的深层次特征，提高模型的表示能力，并在底层的丰度上引入图约束，弥补分解过程中空间信息的损失。算法分为预训练和微调2个阶段，预训练阶段负责学习各层特征，微调阶段通过所有层特征进行优化以减小误差。为增强算法对噪声的鲁棒性，引入一种基于正负分离的更新规则，推导参数更新算法以优化模型。为验证所提算法的有效性，在合成数据集和真实数据集进行实验分析。结果表明，与其他经典算法相比，所提算法具有更强的抗噪能力，能够实现更精确的端元和丰度估计。
Source: Laser & Optoelectronics Progress
Authors: 柳小娟 Liu Xiaojuan, 杨隆珊 Yang Longshan
Institution: Guizhou University
Language: English
Subfield: Media Technology
Field: Engineering
Domain: Physical Sciences
Open Access status: bronze
OpenAlex ID: W4415724767