PCA联合字典的稀疏系数NMF融合

基金项目:
闽江学院资助项目"基于稀疏的高光谱与高分辨率遥感融合与解混"

福建省科技厅项目"基于高光谱特征与目标分割的城市地物识别研究"

国家自然科学基金项目"基于MODIS BRDF产品的叶片聚集度系数遥感反演与验证"

详细信息

刊出日期: 2018-12-15

Sparse coefficient NMF fusion via PCA united dictionary

Publish Date: 15 December 2018

摘要: 为了减少混合像元对字典建立的影响,结合在线字典学习法与主成分分析(principal component analysis,PCA)法提取全色与各分解影像字典的第一主成分分量构成PCA联合稀疏字典.该字典包括多光谱影像特征与高空间分辨率影像特征,同时考虑到了混合像元问题.使用PCA联合稀疏字典进行正交匹配追踪法(orthogonal matching pursuit,OMP)计算,分别得到全色与多光谱影像的稀疏系数,采用非负矩阵分解(nonnegative matrix factor,NMF)融合算法得到融合影像的稀疏系数,进行重构生成融合影像.对字典矩阵大小的研究,考虑到重构图像的均方根误差与计算机运算的限制,最终确定稀疏字典矩阵大小为64像元×480像元.采用5种定量融合评定指标对本文方法与联合字典NMF方法、小波方法和PCA方法的影像融合结果进行分析比较,结果表明本文方法既可提高融合影像的纹理细节信息,也能较好地保持多光谱信息,获得更好的融合效果.
- PCA联合稀疏字典 /
- 在线字典学习法 /
- OMP算法 /
- NMF融合

中国自然资源航空物探遥感中心	主办
地质出版社	出版