《表2 端元数目为3时各算法结果比较》

  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

《一种考虑光谱变异性的高光谱图像非线性解混算法》

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2:端元数目和信噪比的影响分析:在该实验中比较了各算法在不同端元数目和信噪比下解混的精度。图像大小是36×36，端元数目分别取3、4、5。在端元数目固定的情况下，对信噪比分别取50、40、30 dB的Hapke和GBM模型数据进行解混。表2～4分别显示了端元数目为3、4、5情况下各算法的解混结果。从表中的数据可以看出:1) 在端元提取方面，UNSU-SV和本文提出的方法由于考虑了光谱变异性的存在，SAD比Bi-objective NMF和AS-SKNMF方法要低，同时还可以逐像素求得每个像元的端元矩阵，很好地体现了光谱变异性的存在；UN-SUSC-SV根据实际地物分布特性添加了平滑约束，能得到比不加约束的UNSU-SV方法更好的结果。Bi-objective NMF在解混中同时权衡了线性和非线性贡献，但是效果不理想，ASSKNMF通过添加丰度的稀疏和平滑约束，结果比Bi-objective NMF要好一点。2) 在丰度估计方面，该方法UNSUSC-SV既考虑了光谱变异性，又添加了平滑约束，其RMSE比其它三种方法低10倍左右。UNSU-SV虽然考虑了光谱变异性，但是没有添加任何约束，其RMSE比添加了稀疏和平滑约束的ASSKNMF方法要高；Bi-objective NMF既没有考虑光谱变异性，也没有添加约束，效果是最差的。3) 从重构误差上来看，UNSU-SV和UNSUSC-SV通过将光谱变异性纳入考虑范畴，得到的RE基本在1e-4数量级，Bi-objective NMF和ASSKNMF的RE是它们的80至20倍左右，效果差很多；而相对UNSU-SV的RE来说，UNSUSC-SV还要更小一点。