摘要
高光谱图像解混是高光谱图像应用的一项重要任务,包括了对端元的提取和丰度的估计.基于非负张量分解的光谱解混方法能很好地保留高光谱图像的空间结构信息,但是却没有很好地利用丰度张量的分段光滑性约束,同时噪声的存在也严重影响了高光谱图像的解混性能.针对上述问题,全变差Cauchy非负张量分解(Total Variation Cauchy Nonnegative Tensor Factorization,TV-CNTF)方法被提出用于高光谱图像解混.该方法利用Cauchy损失来代替传统的最小二乘损失,通过减小噪声点在解混模型中的权重,来降低噪声对解混结果的影响,同时在模型中加入了全变差算子,保证了丰度张量的分段平滑结构.此外,采用交替方向乘子法求解所提出的TV-CNTF.经过模拟和真实数据实验,同现有的其他方法相比,TV-CNTF方法的解混效果和鲁棒性都更好.
维普
万方数据