| 约束非负矩阵分解框架下高维自适应粒子群端元提取 |
| |
| 引用本文： | 杨斌,罗文斐.约束非负矩阵分解框架下高维自适应粒子群端元提取[J].遥感学报,2015,19(2):240-253. |
| |
| 作者姓名： | 杨斌 罗文斐 |
| |
| 作者单位： | 华南师范大学 地理科学学院, 广东 广州 510631,华南师范大学 地理科学学院, 广东 广州 510631 |
| |
| 基金项目： | 国家自然科学基金项目(编号:40901232,41171288);华南师范大学地理科学学院研究生科研创新基金资助 |
| |
| 摘 要： | 传统基于约束非负矩阵分解NMF(Nonnegative Matrix Factorization)的高光谱端元提取算法一般存在两个问题:一方面,以固定惩罚系数方法处理端元提取的约束优化问题,难以较好权衡目标项与约束项间的关系,影响提取效果;另一方面,求解过程通常基于梯度算法,依赖于初始值和步长的设定,容易陷入局部最优。针对这些问题本文提出约束NMF框架下高维自适应粒子群端元提取算法HAPSO(High-dimension Adaptive Particle Swarm Optimization)。该算法在端元距离最小约束的NMF框架下,利用粒子群算法PSO替代原梯度算法以增强全局搜索能力;采用高维PSO方法解决了多波段高维问题,并结合种群信息构建自适应惩罚机制以实现端元提取中目标与约束的合理权衡。通过模拟影像和真实影像的实验,证实该算法与传统的NMF端元提取算法相比能够更合理地权衡约束和避免局部最优,具有较好的端元提取效果。
|
| 关 键 词： | 高光谱遥感 端元 非负矩阵分解 粒子群算法 自适应惩罚系数 |
| 收稿时间： | 2014/4/9 0:00:00 |
| 修稿时间： | 2014/7/14 0:00:00 |
Constrained NMF-based high-dimension adaptive particle swarm optimization algorithm for endmember extraction from a hyper spectral remote sensing image |
| |
| YANG Bin and LUO Wenfei.Constrained NMF-based high-dimension adaptive particle swarm optimization algorithm for endmember extraction from a hyper spectral remote sensing image[J].Journal of Remote Sensing,2015,19(2):240-253. |
| |
| Authors: | YANG Bin and LUO Wenfei |
| |
| Institution: | School of Geography, South China Normal University, Guangzhou 510631, China and School of Geography, South China Normal University, Guangzhou 510631, China |
| |
| Abstract: | |
| |
| Keywords: | hyperspectral remote sensing endmember nonnegative matrix factorization particle swarm optimization adaptive penalty coefficient |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
|
