基于端元和豐度屬性的NMF算法改進(jìn).pdf

1、非負(fù)矩陣分解(Non-negative matrix factorization，NMF)算法是一種盲線性光譜解混技術(shù)中的一個重要研究分支。然而，原始的NMF算法直接應(yīng)用在高光譜解混時，會導(dǎo)致局部最小解，而且收斂速度慢，在此基礎(chǔ)上發(fā)展了很多的改進(jìn)算法。
　　本研究基于結(jié)合端元體積最小化的改進(jìn)算法MDC-NMF算法，考慮了端元和豐度的屬性，提出了兩種對目標(biāo)函數(shù)進(jìn)行約束的改進(jìn)的非負(fù)矩陣分解算法。一方面，利用光譜信息散度來衡量像元之間的

2、相似性，進(jìn)而將圖像局部不變性加入到非負(fù)矩陣分解算法中，同時引入端元體積最小化約束促使單形體收斂到真實端元位置，提出了結(jié)合流型正則化和最小距離作為約束條件的非負(fù)矩陣分解算法MMDC-NMF。另一方面考慮了圖像中像元結(jié)構(gòu)的特點，將稀疏約束加入到非負(fù)矩陣分解算法中，對豐度矩陣進(jìn)行約束，同時加入端元距離約束，對端元矩陣進(jìn)行約束，提出了結(jié)合稀疏和最小距離作為約束條件的非負(fù)矩陣分解算法SMDC-NMF。通過對上述改進(jìn)后的目標(biāo)函數(shù)的構(gòu)造及迭代規(guī)則進(jìn)行