【FITEE 2016-2017精选】高光谱图像主成分非负矩阵分解方法

内容介绍

中文摘要：

目的：

在高光谱混合像元分析技术领域中，非负矩阵分解的应用十分广泛。然而，由于高光谱数据量较大，导致使用非负矩阵分解的计算复杂度很高。另一方面，非负矩阵分解对高光谱数据中的噪声十分敏感。虽然主成分分析技术可以很好地解决这两个问题，但是由于经过主成分分析变换后的数据存在负值，使得基于乘式迭代的非负矩阵分解技术不能直接应用于主成分变换后的数据。因此，本文着力于提出一种可以应用于主成分变换后数据的非负矩阵分解方法。

创新点：

本文研究了主成分分析的两个步骤（平移和投影）对非负矩阵分解的影响。然后提出了利用强迫正交的手段将主成分变换后的数据重新旋转到第一象限，使之能够适用于非负矩阵分解的乘式迭代公式。

方法：

研究了主成分分析对非负矩阵分解的影响，并提出了消除主成分变换数据负值的方法。

结论：

本文提出了一种在主成分特征空间中使用非负矩阵分解的高光谱图像解混方法。该方法使用强迫正交有效解决了主成分变换后的负值问题。模拟和真实数据均表明，相比于原始的非负矩阵分解，本文所提方法速度更快，提取的端元误差更小。  

关键词：

非负矩阵分解；主成分分析；端元；高光谱

作者：

Xiu-rui GENG，Lu-yan JI，Kang SUN

单位：

中国科学院电子学研究所空间信息处理与应用系统技术重点实验室 北京 100190; 清华大学地球系统科学研究中心地球系统数值模拟教育部重点实验室 北京 100084; 中国电子 科技集团公司第五十四研究所 石家庄 050081

本文引用格式：

Xiu-rui Geng, Lu-yan Ji, Kang Sun, 2016. Non-negative matrix factorization based unmixing for principal component transformed hyperspectral data. Frontiers of Information Technology & Electronic Engineering, 17(5): 403-412.

http://dx.doi.org/10.1631/FITEE.1600028

本文精要导读：

【FITEE 2016-2017 精选】系列：

微信加群

---

为方便广大科研人员交流讨论，本平台建有以下学科微信群。有需要加群的用户，请加小编个人微信号fitee_xb，并留言想要加入的群，小编会拉您进群。营销广告人员请勿扰。

计算机科学与技术学术群	光学工程与技术学术群
控制科学与技术学术群	信息与通信学术群
电力电子学术群	人工智能学术群

加关注  ID: fitee_cae

本公众号为中国工程院院刊《信息与电子工程前沿（英文）》（SCI-E、EI检索期刊）官方微信，功能包括：传播期刊的学术文章；为刊物关联学人（读者、作者、评审人、编委，等）提供便捷服务；发布学术写作、评审、编辑、出版等相关资讯；介绍信息与电子工程领域学术人物、学术思想、学术成果，展示该领域科学研究前沿进展；为该领域海内外学者提供友好互动平台。