《表3 Cuprite数据各种算法的SAD对比》

  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

《重加权稀疏和全变差约束下的深度非负矩阵分解高光谱解混》

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：黑体数据为最优值，加下划线数据为次优值。

需要指出的是，不能将端元估计值与端元真值之间SAD最小的一组直接匹配，还需结合对图7中参考图的目视解译。考虑到USGS光谱库里的光谱是在理想条件下获得的，而估算出的端元则是从一幅受到大气干扰及其他环境影响的影像中提取的。因此，估计值与真值不可避免的存在差异。图8为RSDNMF-TV估算出的结果图，包括12种端元的光谱以及其在USGS光谱库中的真值、SAD值和相应端元的丰度图。从图7中可以看出，RSDNMF-TV估算出的端元与实际真值具有很高的一致性。为了定量评价本算法的解混性能，本文对端元估计值和USGS参考光谱进行比较，结果如表3所示，所有方法的SAD值（以弧度表示）均为重复10次实验的平均值。其中，最优结果以粗体显示，次优结果下加下划线。可以看出，RSDNMF-TV估计出的大部分端元与参考端元的SAD值最优或者次优，且平均SAD比其他算法都低，这表明RSDNMF-TV优于其他算法。从图8也可看出，估计出的丰度图也与参考图7有很好的空间一致性。