Region-Based Structure Preserving Nonnegative Matrix Factorization for Hyperspectral Unmixing

L. Tong, J. Zhou, X. Li, Y. Qian and Y. Gao, "Region-Based Structure Preserving Nonnegative Matrix Factorization for Hyperspectral Unmixing," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 10, no. 4, pp. 1575-1588, April 2017, doi: 10.1109/JSTARS.2016.2621003.

摘要：

高光谱解混是遥感图像分析中的重要技术之一。近年来，非负矩阵分解(NMF)方法被广泛应用于高光谱解混。为了解决NMF方法的非凸性问题，在NMF模型中引入了许多约束条件，包括稀疏性、流形、光滑性等。

然而，这些约束忽略了高光谱图像的一个重要性质，即均匀区域内的光谱响应在每个像素处相似，但在不同的均匀区域内不同。在本文中，我们引入了一种新的基于区域的保持NMF结构(R-NMF)，以探索数据在同一区域内的一致性分布，同时在未混合数据中区分不同区域的不同数据结构。该方法首先采用图割算法将高光谱图像分割为小的均匀区域;然后，对解混模型施加两个约束条件，在保持区域内结构一致性的同时判别区域间的差异。

背景介绍详细：

许多解混方法都是基于线性混合模型，该模型将每个像素视为端元的线性组合，并假设它们之间没有干扰[7]，[8]。这些方法可以分为三大类:基于几何的，基于稀疏回归的和基于统计的。

基于几