高分五号高光谱图像自编码网络非线性解混

发布时间：2022-07-08 14:06

　　针对高光谱非线性混合模型中的共线性问题,提出了一种非监督的增强型非线性自编码网络方法 ENAE（Enhanced Nonlinear Autoencoder）。通过结合自编码网络在挖掘数据内在结构、提取特征方面的优势,引入端元正则项减弱端元间的共线性效应,从而提高高光谱混合像元分解精度。ENAE方法的实现步骤主要包括两部分:一是网络结构初始化,二是非线性分解。网络结构初始化是确定编码器的节点数以及端元和丰度的初值;非线性分解则主要是实现损失函数的最小化。通过模拟数据、城市区域真实数据和高分五号卫星高光谱数据的实验,得到了相较于传统非线性分解方法更高的精度,证明了ENAE方法的鲁棒性。 

【文章页数】：13 页

【文章目录】：
1 引言
2 基于自编码网络的非线性混合像元分解方法
    2.1 非线性光谱混合模型
    2.2 基于自编码网络的非线性分解方法
3 实验结果与分析
    3.1 模拟数据实验
    3.2 高光谱城市数据实验
    3.3 高分五号卫星高光谱数据实验
4 结论


【参考文献】：
期刊论文
[1]基于自编码算法的深度学习综述[J]. 崔广新,李殿奎.  计算机系统应用. 2018(09)
[2]空间与谱间相关性分析的NMF高光谱解混[J]. 袁博.  遥感学报. 2018(02)
[3]基于支撑向量回归的高光谱混合像元非线性分解[J]. 吴波,张良培,李平湘.  遥感学报. 2006(03)



本文编号：3657165