基于自适应局部邻域加权约束的非负矩阵分解方法及其在高光谱解混中的应用

摘要

非负矩阵分解(Nonnegative Matrix Factorization,NMF)技术已经成为了高光谱解混领域研究的热点.但是如何有效地利用高光谱的空间和光谱信息仍然是一个难点,尤其在确定局部邻域时,往往会遇到结构固定等问题.针对以上问题,提出了一种基于自适应局部邻域加权约束的非负矩阵分解算法.算法根据丰度的数据特点可以自适应确定给定像元的局部邻域,算法中的权重充分地利用了给定像元和邻域内像元的空间和光谱信息,改善了高光谱解混的性能.论文采用梯度下降法推导出乘法迭代规则,为验证所提出的算法的有效性,利用Japser Ridge数据集和Urban数据集进行实验,并与其他经典方法进行对比,结果显示该方法具有更好的解混效果.