项目名称: 顾及异方差与空间约束的高光谱混合像元模糊聚类分解方法研究

项目编号: No.41501410

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 天文学、地球科学

项目作者: 徐林林

作者单位: 中国地质大学(北京)

项目金额: 20万元

中文摘要: 高光谱混合像元分解一直是研究热点和难点,关键在于光谱混合模型构建与参数估计,目的是获取高精度的参数估值并应用。目前方法在模型构建上没有考虑噪声的异方差性和丰度的大尺度空间相关性,在参数估计上没有考虑端元的净化均值特征和丰度的模糊标签效应,导致模型参数估计精度损失和优化计算困难。.本项目引入异方差和空间相关性以构造新的线性光谱混合模型,并研究基于模糊聚类优化该新模型的方法,研究包括:(1)噪声异方差模型的构建;(2)大尺度空间相关性模型的构建;(3)用净化均值替代端元复杂先验分布的优化算法;(4)将非负丰度系数作为模糊标签以形成模糊聚类算法;理论上,是对提高高光谱遥感数据建模精度并优化算法的贡献;应用上,该模型不仅可用于非监督混合像元分解、端元提取,并提高精度,而且可以用于高光谱去噪、特征提取、空间聚类、目标探测、图像压缩等其它高光谱图像处理,具有较广的实用价值。

中文关键词: 高光谱混合像元分解;空间相关性;噪声异方差结构;模糊标签;净化均值聚类

英文摘要: Hyperspectral unmixing is a popular yet challenging research topic, with the key issue being efficient model construction and optimization to obtain accurate model parameters. Nevertheless, in terms of model construction, the current methods fail to address the noise heterogeneity effect and the spatial correlation effect in abundance coefficients, and in terms of model optimization, they fail to consider the purified means effect of the endmembers and the fuzzy class membership effect of the abundances coefficients, causing compromised model efficiency and difficulties in model optimization. The project therefore focuses on addressing the noise heterogeneity effect and spatial correlation effect for building enhanced linear spectral model, and focuses on building an efficient optimization scheme using fuzzy clustering approach, including, (1) the construction of heterogeneous noise model; (2) the modeling of spatial correlation effect; (3) the use of endmembers as purified means for avoiding complex prior distribution of endmembers; (4) the use of abundance coefficients as fuzzy class membership for building a fuzzy-clustering-based optimization algorithm. From a theoretical perspective, the proposed model provides new ways for modeling and optimizing the spectral unmixing issue. From an application perspective, the proposed model not only can be used for enhanced spectral unmxing and endmember extraction, but also can be used for other hyperspectral image processing tasks, such as denoising, feature extraction, clustering analysis, target detection and compression.

英文关键词: Hyperspectral Unmixing;Spatial correlation effect;Noise heterogeneity effect;fuzzy class membership ;purified means clustering

成为VIP会员查看完整内容
0

相关内容

顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【AAAI2022】跨域少样本图分类
专知会员服务
29+阅读 · 2022年1月22日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
25+阅读 · 2021年9月9日
专知会员服务
32+阅读 · 2021年7月1日
专知会员服务
77+阅读 · 2020年12月6日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
【AAAI2022】跨域少样本图分类
专知
1+阅读 · 2022年1月22日
【ICLR2022】Transformers亦能贝叶斯推断
专知
0+阅读 · 2021年12月23日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
技术动态 | 跨句多元关系抽取
开放知识图谱
49+阅读 · 2019年10月24日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习中的五大正则化方法和七大优化策略
全球人工智能
11+阅读 · 2017年12月25日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
1+阅读 · 2022年4月19日
Meta-Transfer Learning for Zero-Shot Super-Resolution
Arxiv
43+阅读 · 2020年2月27日
Arxiv
12+阅读 · 2018年1月28日
小贴士
相关主题
相关VIP内容
顾及时空特征的地理知识图谱构建方法
专知会员服务
53+阅读 · 2022年2月15日
【AAAI2022】跨域少样本图分类
专知会员服务
29+阅读 · 2022年1月22日
专知会员服务
21+阅读 · 2021年9月23日
专知会员服务
25+阅读 · 2021年9月9日
专知会员服务
32+阅读 · 2021年7月1日
专知会员服务
77+阅读 · 2020年12月6日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
相关资讯
【AAAI2022】跨域少样本图分类
专知
1+阅读 · 2022年1月22日
【ICLR2022】Transformers亦能贝叶斯推断
专知
0+阅读 · 2021年12月23日
正则化方法小结
极市平台
2+阅读 · 2021年11月24日
技术动态 | 跨句多元关系抽取
开放知识图谱
49+阅读 · 2019年10月24日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习中的五大正则化方法和七大优化策略
全球人工智能
11+阅读 · 2017年12月25日
关系推理:基于表示学习和语义要素
计算机研究与发展
18+阅读 · 2017年8月22日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员