《表2 ENAE方法流程：高分五号高光谱图像自编码网络非线性解混》

  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

《高分五号高光谱图像自编码网络非线性解混》

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

综上，本文方法流程如表2所示。首先，对输入的高光谱图像采用最小误差信号子空间识别算法HySime（Hyperspectral Signal Identification by Minimum Error）进行端元数目的估计（Bioucas-Dias和Nascimento，2008），并根据所获得的端元数目R来确定编码器输出的丰度节点数。然后，进行端元和丰度的初始化，采用的方法为顶点成分分析方法VCA(Vertex Component Analysis）（Nascimento和Dias，2005）和全约束最小二乘法FCLS(Fully Constrained Least Squares）(Heinz和Chang，2001）。本文方法对端元和丰度的初始化是为了使损失函数更快收敛，在每一次网络迭代中，根据式（14）计算损失函数。当网络的最大迭代次数达到时，输出此时的端元和丰度结果。在整个网络迭代过程中，ENAE方法都是一个自我学习的过程，并不需要先验知识的参与，即不需要预先选择样本进行网络训练，因此ENAE方法是一种非监督的非线性分解方法。