-
公开(公告)号：CN108734672A
公开(公告)日：2018-11-02
申请号：CN201810016715.4
申请日：2018-01-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法，包含如下步骤：输入光谱库和待解混高光谱数据；光谱库初始化与光谱数据矩阵构造；构建光谱拟合误差保真项；构建丰度矩阵协同稀疏性约束项；构建光谱库裁剪的稀疏正则化项；建立光谱库裁剪和协同稀疏回归模型；迭代求解光谱库裁剪和协同稀疏回归模型；输出裁剪后的光谱库和端元丰度图。本发明为缓解光谱库端元与实际场景中端元的误匹配问题，建立协同稀疏回归模型，进行目标函数最优化解混，提高了解混的精度，降低了端元误匹配率，增强了对光谱幅度变化和噪声的鲁棒性；可广泛应用于环境监测、矿产勘探和精准农业等领域的高光谱数据解混应用。
-
公开(公告)号：CN108734672B
公开(公告)日：2022-02-18
申请号：CN201810016715.4
申请日：2018-01-08
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法，包含如下步骤：输入光谱库和待解混高光谱数据；光谱库初始化与光谱数据矩阵构造；构建光谱拟合误差保真项；构建丰度矩阵协同稀疏性约束项；构建光谱库裁剪的稀疏正则化项；建立光谱库裁剪和协同稀疏回归模型；迭代求解光谱库裁剪和协同稀疏回归模型；输出裁剪后的光谱库和端元丰度图。本发明为缓解光谱库端元与实际场景中端元的误匹配问题，建立协同稀疏回归模型，进行目标函数最优化解混，提高了解混的精度，降低了端元误匹配率，增强了对光谱幅度变化和噪声的鲁棒性；可广泛应用于环境监测、矿产勘探和精准农业等领域的高光谱数据解混应用。
-
Search Results
2
records
(took 0.017 seconds)
