《表1 不同高光谱解混合算法之间的SAD比较》
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。
图表编号 | XD0066618100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.08.25 |
作者 | 方帅、王金明、曹风云 |
绘制单位 | 合肥工业大学计算机与信息学院人工智能与数据挖掘研究室、合肥工业大学计算机与信息学院人工智能与数据挖掘研究室、合肥工业大学工业安全与应急技术安徽省重点实验室、合肥师范学院计算机学院 |
更多格式 | 高清、无水印(增值服务) |