《表3 LSMM混合模拟数据实验结果》
LSMM、GBM和PPNM混合模拟数据的丰度和重构误差实验结果如表3、表4和表5所示,表6为不同模拟数据的端元光谱角距离结果。从本实验的实验结果可以看出,VCA-FM方法在不同信噪比的情况下RMSE和RE值最大,说明相比于其他方法,VCA-FM方法的非线性分解精度不高。在信噪比较小的情况下,VCA-GBM、VCA-PPNM和VCA-MLM方法可以得到比VCA-FM和VCA-KHype方法更加准确的丰度结果。而在信噪比较大的情况下,VCA-KHype方法能够得到比VCA-GBM、VCA-PPNM和VCA-MLM方法更准确的丰度结果,但是所对应的重构误差偏大。相比于传统的非线性分解方法,NAE方法可以得到较小的RMSE和SAD值,说明该方法在端元提取和丰度反演方面具有优于传统方法的特点,并且具有一定的鲁棒性。由于神经网络具有处理非线性问题的优势,NAE方法能够获得更加准确的重构图像,从而提升对端元和丰度求解的精度。图4为不同迭代次数下NAE方法和ENAE方法的重构误差曲线图,右侧为收敛后的细节图。可以看出,随着迭代次数的增加,NAE方法和ENAE方法所得到的重构误差都能趋于一个定值,并且ENAE方法稳定后的重构误差总是小于NAE方法所得到的重构误差。这是因为ENAE方法考虑了端元与虚拟端元间的共线性作用,并引入了L2范数正则项限制了解集的搜索空间和降低了解集的自由度,从而使得解集更加平滑,重构误差更加接近原点。因此,在不同信噪比的情况下,ENAE方法都能够得到比NAE方法更加准确的端元和丰度结果,证明了ENAE方法的鲁棒性。
图表编号 | XD00176453000 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) |