摘要
针对传统基于协同稀疏的半监督解混方法中存在的丰度结果过度平滑、高光谱空间上下文信息利用不足、丰度矩阵稀疏程度较低等问题,提出一种基于非局部高阶空间信息的双重加权协同稀疏解混方法.所提出的方法以协同稀疏解混模型为基础,一方面通过结合自适应权重因子以提高估计结果的稀疏性,另一方面通过挖掘高光谱数据较为丰富的非局部空间信息,形成空间权重矩阵以提高对高光谱图像空间信息的利用率,同时对行稀疏约束带来的过度平滑问题加以限制.算法选择结合交替方向乘子法对模型进行迭代求解,求解过程中采用了内外双循环结构以便于优化算法结果.在模拟和真实高光谱数据集上的实验结果表明了所提出方法的有效性.
NETL
NSTL
万方数据