基于修正MCMC的端元可变的混合像元分解算法
Variable Endmember Unmixing Algorithm Based on Correction MCMC Method
查看参考文献12篇
|
文摘
|
传统的混合像元分解一般是基于固定端元的,然而实际上影像中像元并非都由完全相同的端元组成。基于波谱库,将端元选取和丰度反演合为一个步骤,抽象成一个估计参数的随机过程,在端元数目可变的前提下,基于可逆的跳跃式MCMC方法估计参数,从波谱库中选取端元并对混合像元进行线性解混。在状态转移过程中,加入端元的累积知识,以提高算法效率。这种算法不需要人工干预,能够实现自动化像元分解,并且具有较高的精度。实验表明,基于修正MCMC的端元可变的自动化解混算法在分解精度和稳定性方面均优于基于固定端元的混合像元分解方法。 |
|
其他语种文摘
|
Traditional unmixing methods are based on the fixed endmember,and need to assume that the remonte sense image has pure pixel.In fact,this assumption is not necessarily true,and all pixels are not composed of the same endmembers.This paper merged the endmember extration and unmixing into one step,and abstracted it to a random process based on a standard spectral library.Within the premise of variable number of endmembers,Reversible jump MCMC method was used to estimate parameters.The accumulated knowledge of endmembers was used during the state transition process,to improve algorithm efficiency.This algorithm does not require human intervention.It can achieve automated unmixing,and has a high accuracy.The experiments show that the algorithm based on MCMC is superior to the traditional unmixing method in both accuracy and stability. |
|
来源
|
计算机科学
,2013,40(11):308-311 【核心库】
|
|
关键词
|
像元分解
;
波谱库
;
端元可变
;
随机变量
;
MCMC
|
|
地址
|
中国科学院大学, 北京, 100049
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1002-137X |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
国家自然科学基金项目
;
国家973计划
|
|
文献收藏号
|
CSCD:4980564
|
参考文献 共
12
共1页
|
|
1.
吕长春. 混合像元分解模型综述.
遥感信息,2003(3):55-60
|
被引
52
次
|
|
|
|
|
2.
杨国鹏. 基于相关向量机的高光谱影像混合像元分解.
电子学报,2010,38(2):2751-2756
|
被引
12
次
|
|
|
|
|
3.
Martinez P J. Endmember extraction algorithms from hyperspectral images.
Annals of Geophysics,2006,49(1):93-101
|
被引
2
次
|
|
|
|
|
4.
田庆久. 地物波谱数据库研究现状与发展趋势.
遥感信息,2002(3):1-6
|
被引
2
次
|
|
|
|
|
5.
吴柯. 一种端元变化的神经网络混合像元分解方法.
遥感学报,2007,11(1):20-26
|
被引
21
次
|
|
|
|
|
6.
Wang Liguo. Spectral Unmixing Technique Based on Flexibly Selected Endmembers.
Computer Science and Information Engineering, 2009 WRI World Congress. Volume7,2009:148-151
|
被引
1
次
|
|
|
|
|
7.
周维. 基于RJMCMC的视觉多目标跟踪算法.
计算机科学,2012,39(7):270-275
|
被引
2
次
|
|
|
|
|
8.
赵琪.
MCMC方法研究,2007
|
被引
5
次
|
|
|
|
|
9.
Green P J. Reversible jump Markov Chain Monte Carlo methodscomputation and Bayesian model determination.
Biometrika,1995,82(4):711-732
|
被引
85
次
|
|
|
|
|
10.
Eches O. Estimating the number of endmembers in hyperspectral images using the normal compositional model and a hierarchical Bayesian algorithm.
IEEE J. Sel. Topics Signal Processing,2010,3(3):582-591
|
被引
3
次
|
|
|
|
|
11.
陈四清. 基于Landsat TM/ETM数据的锡林河流域土地覆盖变化.
地理学报,2003,58(1):45-51
|
被引
21
次
|
|
|
|
|
12.
.
Johns Hopkins University Spectral Library
|
被引
1
次
|
|
|
|
|
了解气象卫星更多信息，请访问