《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》
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。
图表编号 | XD00176452500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.25 |
作者 | 韩竹、高连如、张兵、孙旭、李庆亭 |
绘制单位 | 中国科学院空天信息创新研究院数字地球重点实验室、中国科学院大学、中国科学院空天信息创新研究院数字地球重点实验室、中国科学院空天信息创新研究院数字地球重点实验室、中国科学院大学、中国科学院空天信息创新研究院数字地球重点实验室、中国科学院空天信息创新研究院数字地球重点实验室 |
更多格式 | 高清、无水印(增值服务) |