《表7 不同算法在HYDICE数据上的端元提取结果与参考光谱的光谱角距离比较Tab.7 Comparison of DSAbetween reference spectra and endmember
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:评价指标的最优结果由粗体标出.
对于第二幅HYDICE图像,从中截取大小为100×100的子区域用来测试算法的性能,如图5(b)所示.该地区主要有5种地物:树木,屋顶,水体,道路和草地.表7中列出了各算法对该区域5种地物解混的DSA值.从结果可以看出,本文提出的方法ASSKNMF在屋顶,道路和草地上结果最好,树木是Biobjective方法最好,水体是CNMF最好,平均结果上本文方法是最好的.同时可以发现端元数为5时,CKNMF结果最不好且下降明显,Bi-objective NMF要优于CNMF,ASSKNMF算法端元提取的结果最好.根据以往用作高光谱解混的研究结果[22]可知,图7中列出的5种端元对应的丰度图更接近实际地物分布.
图表编号 | XD0017552000 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) |