[发明专利]基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法有效
| 申请号： | 201810016715.4 | 申请日： | 2018-01-08 |
| 公开（公告）号： | CN108734672B | 公开（公告）日： | 2022-02-18 |
| 发明（设计）人： | 肖亮;李生富 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06T5/00 | 分类号： | G06T5/00;G06T5/50 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 陈鹏 |
| 地址： | 210094 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法，包含如下步骤：输入光谱库和待解混高光谱数据；光谱库初始化与光谱数据矩阵构造；构建光谱拟合误差保真项；构建丰度矩阵协同稀疏性约束项；构建光谱库裁剪的稀疏正则化项；建立光谱库裁剪和协同稀疏回归模型；迭代求解光谱库裁剪和协同稀疏回归模型；输出裁剪后的光谱库和端元丰度图。本发明为缓解光谱库端元与实际场景中端元的误匹配问题，建立协同稀疏回归模型，进行目标函数最优化解混，提高了解混的精度，降低了端元误匹配率，增强了对光谱幅度变化和噪声的鲁棒性；可广泛应用于环境监测、矿产勘探和精准农业等领域的高光谱数据解混应用。 | ||
| 搜索关键词： | 基于 光谱 裁剪 协同 稀疏 回归 数据 方法 | ||
【主权项】：
1.一种基于光谱库裁剪与协同稀疏回归的高光谱数据解混方法，其特征在于，包含如下步骤：步骤1，输入光谱库和待解混高光谱数据；步骤2，光谱库初始化与光谱数据矩阵构造；步骤3，构建光谱拟合误差保真项；步骤4，构建丰度矩阵协同稀疏性约束项；步骤5，构建光谱库裁剪的稀疏正则化项；步骤6，建立光谱库裁剪和协同稀疏回归模型；步骤7，迭代求解光谱库裁剪和协同稀疏回归模型；步骤8，输出裁剪后的光谱库和端元丰度图。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京理工大学，未经南京理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810016715.4/，转载请声明来源钻瓜专利网。
