《表1 不同高光谱解混合算法之间的SAD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

《基于约束非负矩阵分解的高光谱图像解混》

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

SAD表示各种算法的端元提取结果和ground truth端元光谱曲线之间的差异程度，SAD越小，则差异程度越小，光谱曲线就越接近。RMSE表示的是各算法估计的丰度和ground truth丰度之间的差异，RMSE越小，则表示丰度和ground truth越接近。从表1和表2的SAD和RMSE可以看出，在信噪比较低的情况下，例如信噪比（SNR）为30dB时，经过改进的空间光谱预处理的SSPP-VCA算法比原始的VCA算法对噪声表现出了更强的稳健性。对于模拟数据Fractal1和真实数据Jasper，本文算法均表现出了最佳的解混效果。对于Cuprite高光谱数据，Cuprite光谱矢量的空间分布不符合最小体积分离框架中设想的空间分布，这使得相关的解混（MVSA）是一个不适定的问题，但MVSA算法先运行若干次VCA进行初始处理，保留最大体积的单形体后再进行后续的解混算法，这种方法简单而有效，本文算法在这方面略逊于MVSA。