《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》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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.