《表3 端元数目为4时各算法结果比较 (×10-2) Tab.3 Comparison of the algorithms when the number of endmembers is four
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《基于丰度约束核非负矩阵分解的高光谱图像非线性解混》
注:每种评价指标的最优结果由粗体标出.
Bi-objective NMF通过结合线性和非线性,结果总体上比CNMF,npKNMF和CKNMF要好,但是和权重因子的取值有较大的关系.在丰度估计方面:从数据上可以看出没有添加丰度约束的npKNMF和Bi-objective NMF的丰度估计精度要低于添加丰度约束的CNMF,CKNMF和ASSKNMF.CKNMF丰度估计的结果虽比CNMF要好,但是其使用的2范数约束是从整体上平滑丰度,在空间分辨率低时会模糊化丰度图,这与实际地物分布时存在的局部平滑特性是矛盾的,而本文提出的ASSKNMF既考虑了丰度分布的稀疏特性,又考虑了丰度分布的局部平滑特性,使得最后估计的丰度更接近于真实值.
图表编号 | XD0017551700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.08.01 |
作者 | 智通祥、杨斌、王斌 |
绘制单位 | 复旦大学电磁波信息科学教育部重点实验室、复旦大学信息科学与工程学院智慧网络与系统研究中心、复旦大学电磁波信息科学教育部重点实验室、复旦大学信息科学与工程学院智慧网络与系统研究中心、复旦大学电磁波信息科学教育部重点实验室、复旦大学信息科学与工程学院智慧网络与系统研究中心 |
更多格式 | 高清、无水印(增值服务) |