《表7 真实数据解混结果的RE比较》

  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

《差分搜索的多线性高光谱图像解混研究》

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

实验中，对水吸收和低信噪比的波段（波段1～4，76，87，101～111，136～153和198～210）进行去除，剩余162个波段被用于实验。通过HySime算法的端元数目估计，确定图像中主要有4种地物:沥青、草地、屋顶和树木。采用MVSA算法对Urban图像的地物进行端元提取。各算法解混精度的比较，结果见表7。在Urban图像中，DS＿MLHU算法的解混精度要优于其他算法。算法3中的权重值只是针对仿真数据进行的选取，而在真实数据解混过程中，解混效果较差。由于算法1和算法2中的权重值无法适用于该数据，没能获得较好的解混效果。全约束非线性解混算法效果取决于约束项权重值的选取，而固定给出的权重值只适用于特定的数据集，不具有普适性。DS＿MLHU算法解混得到的丰度结果如图5所示，其结果与实际地物分布相符，DS＿MLHU算法获得了较好的解混效果。