摘要: 针对基于非负矩阵分解(NMF)的高光谱解混存在的初始化与“局部极小”等问题,提出一种基于马尔科夫随机场的空间相关约束NMF线性解混算法(MRF-NMF)。首先,通过基于最小误差的高光谱信号识别法(HySime)估算端元数量,同时利用顶点成分分析(VCA)和全约束最小二乘法(FCLS)初始化端元矩阵与丰度矩阵;其次,利用马尔科夫随机场(MRF)模型建立描述地物空间分布规律的能量函数,以此描述地物分布的空间相关特征;最后,将基于MRF的空间相关约束函数与NMF标准目标函数以交替迭代的形式参与解混,得出高光谱数据的端元信息与丰度分解结果。理论分析和真实数据实验结果表明,MRF-NMF能够弥补NMF对于空间相关特征描述能力的不足,减小解混结果中地物的空间能量分布误差。在高光谱数据空间相关程度较低的情况下,相比其他三种NMF参考算法,端元分解精度仍分别提高了7.82%、12.4%和10.1%,丰度分解精度仍分别提高了8.34%、12.6%和10.1%。
中图分类号: