留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于sc-NMF的高光谱图像融合

安振宇 史振威

安振宇, 史振威. 基于sc-NMF的高光谱图像融合[J]. 红外与激光工程, 2013, 42(10): 2718-2723.
引用本文: 安振宇, 史振威. 基于sc-NMF的高光谱图像融合[J]. 红外与激光工程, 2013, 42(10): 2718-2723.
An Zhenyu, Shi Zhenwei. Hyperspectral image fusion via sc-NMF[J]. Infrared and Laser Engineering, 2013, 42(10): 2718-2723.
Citation: An Zhenyu, Shi Zhenwei. Hyperspectral image fusion via sc-NMF[J]. Infrared and Laser Engineering, 2013, 42(10): 2718-2723.

基于sc-NMF的高光谱图像融合

基金项目: 

国家自然科学基金(61273245,60975003,91120301);国家重点基础研究发展计划(2010CB327904);虚拟现实技术与系统国家重点实验室开放基金(BUAA-VR-12KF-07);教育部新世纪优秀人才支持计划(NCET-11-0775);北京市自然科学基金(4112036)

详细信息
    作者简介:

    安振宇(1988- ),男,博士生,主要从事遥感图像配准融合处理方面的研究。Email:anzhenyu_155@126.com;史振威(1977- ),男,副教授,博士生导师,博士,主要从事模式识别与机器学习,高分辨率遥感图像处理及应用等方面的研究。Email:shizhenwei@buaa.edu.cn

    安振宇(1988- ),男,博士生,主要从事遥感图像配准融合处理方面的研究。Email:anzhenyu_155@126.com;史振威(1977- ),男,副教授,博士生导师,博士,主要从事模式识别与机器学习,高分辨率遥感图像处理及应用等方面的研究。Email:shizhenwei@buaa.edu.cn

  • 中图分类号: TP751.1

Hyperspectral image fusion via sc-NMF

  • 摘要: 将高光谱图像与全色图像融合,所得融合数据对于后续的其它高光谱图像处理非常有帮助。区别于传统方法,针对高光谱图像特点,引入了光谱约束项,改进并建立基于光谱约束的非负矩阵分解(spectral-constrained nonnegative matrix factorization,sc-NMF)。改进后,该模型首先在光谱约束前提下,对高光谱图像进行非负矩阵分解,对分解所得基底进行增强,再重建高光谱图像。这样,所得到的融合图像在空间细节和光谱保持性均有比较好的效果。最后,进行了仿真和实际数据的实验验证,通过主观和客观的评价结果,所改进的融合方法性能较好,比传统方法更适用于高光谱图像融合。
  • [1] Shi Zhenwei, Wu Jun, Yang Shuo, et al. RX and its variants for anomaly detection in hyperspectral images [J]. Infrared and Laser Engineering, 2012, 41(3): 796-802. (in Chinese) 史振威, 吴俊, 杨硕, 等. RX 及其变种在高光谱图像中的 异常检测[J]. 红外与激光工程, 2012, 41(3): 796-802.
    [2]
    [3]
    [4] Schowengerdt R A. Reconstruction of multi-spatial, multi-spectral image data using spatial frequency content Photogramm[J]. Eng Remote Sens, 1980, 46(10): 1325-1334.
    [5] Rahmani S, Strait M, Merkurjev D, et al. An adaptive IHS Pan-Sharpening method [J]. IEEE Trans Geosci Rem Sens, 2010, 7(4): 746-750.
    [6]
    [7] Ranchin T, Wald L. Fusion of high spatial and spectral resolution images: The ARSIS concept and its implementation [J]. Photogramm Eng Remote Sens, 2000, 66(1): 49-61.
    [8]
    [9] Shi Zhenwei, An Zhenyu, Jiang Zhiguo. Hyperspectral image fusion by the similarity measure-based variational method[J]. Opt Eng, 2011, 50(7): 077006.
    [10]
    [11]
    [12] Mao Haicen, Liu Aidong. Image fusion method based on evidence theory [J]. Infrared and Laser Engineering, 2013, 42(6): 1642-1646. (in Chinese) 毛海岑, 刘爱东. 利用证据理论的图像融合方法[J]. 红外 与激光工程, 2013, 42(6): 1642-1646.
    [13]
    [14] Khan M M, Chanussot J, Alparone L. Pansharpening of hypersepctral images using spatial distortion optimization[C]// Int Conf on Image Processing, 2009: 2853-2856.
    [15]
    [16] Miao Qiguang, Wang Baoshu. Multi-focus image fusion based on non-negative matrix factorization [J]. Acta Optica Sinica, 2005, 25(6): 755-759. (in Chinese) 苗启广, 王宝树. 基于非负矩阵分解的多聚焦图像融合研 究[J]. 光学学报, 2005, 25(6): 755-759.
    [17]
    [18] Lee Daniel D, Seung H S. Learning the parts of objects by non-negative matrix factorization[J]. Nature, 1999, 401(6755): 789-795.
    [19] Yu Xianchuan, Pei Wenjing. Performance evaluation of image fusion quality metrics for the quality of different fusion methods[J]. Infrared and Laser Engineering, 2012, 41(12): 3416-3422. (in Chinese) 余先川, 裴文静. 针对不同融合算法的质量评价指标性能 评估[J]. 红外与激光工程, 2012, 41(12): 3416-3422.
  • [1] 张晓杰, 魏炜, 侯永辉, 张勇, 季杭馨, 李晓飞, 陆启帅, 黄康, 刘玉瑶.  基于多目标图像清晰度评价的LAMOST光谱仪离焦诊断方法 . 红外与激光工程, 2022, 51(12): 20220238-1-20220238-9. doi: 10.3788/IRLA20220238
    [2] 王雷光, 耿若筝, 代沁伶, 王军, 郑晨, 付志涛.  高光谱-LiDAR 融合的条件随机场分类方法 . 红外与激光工程, 2021, 50(12): 20210112-1-20210112-12. doi: 10.3788/IRLA20210112
    [3] 刘鹏飞, 赵怀慈, 李培玄.  对抗网络实现单幅RGB重建高光谱图像 . 红外与激光工程, 2020, 49(S1): 20200093-20200093. doi: 10.3788/IRLA20200093
    [4] 贾麒, 廖守亿, 张作宇, 杨薪洁.  重加权稀疏非负矩阵分解的高光谱解混 . 红外与激光工程, 2020, 49(S2): 20200152-20200152. doi: 10.3788/IRLA20200152
    [5] 郭金权, 李国元, 左志强, 张宁, 裴亮, 卢刚.  高分七号卫星激光测高仪全波形数据质量及特征分析 . 红外与激光工程, 2020, 49(S2): 20200387-20200387. doi: 10.3788/IRLA20200387
    [6] 徐夏, 张宁, 史振威, 谢少彪, 齐乃明.  高光谱图像Pareto优化稀疏解混 . 红外与激光工程, 2018, 47(2): 226002-0226002(5). doi: 10.3788/IRLA201847.0226002
    [7] 牛威, 郭世平, 史江林, 邹建华, 张荣之.  自适应光学成像事后处理LoG域匹配图像质量评价 . 红外与激光工程, 2018, 47(11): 1111005-1111005(9). doi: 10.3788/IRLA201847.1111005
    [8] 姚旺, 刘云鹏, 朱昌波.  基于人眼视觉特性的深度学习全参考图像质量评价方法 . 红外与激光工程, 2018, 47(7): 703004-0703004(8). doi: 10.3788/IRLA201847.0703004
    [9] 徐晨光, 邓承志, 朱华生.  近似稀疏约束的多层非负矩阵分解高光谱解混 . 红外与激光工程, 2018, 47(11): 1117010-1117010(9). doi: 10.3788/IRLA201847.1117010
    [10] 侯榜焕, 姚敏立, 贾维敏, 沈晓卫, 金伟.  空谱结构保持的高光谱图像分类 . 红外与激光工程, 2017, 46(12): 1228001-1228001(8). doi: 10.3788/IRLA201746.1228001
    [11] 杨新锋, 胡旭诺, 粘永健.  基于分类的高光谱图像压缩算法 . 红外与激光工程, 2016, 45(2): 228003-0228003(4). doi: 10.3788/IRLA201645.0228003
    [12] 陈善静, 康青, 顾忠征, 王正刚, 沈志强, 蒲欢, 辛颖.  基于三维GMRF的高光谱图像空天融合目标检测 . 红外与激光工程, 2016, 45(S2): 132-139. doi: 10.3788/IRLA201645.S223003
    [13] 韦道知, 黄树彩, 赵岩, 庞策.  非负谱稀疏表示的高光谱成像中的异常检测 . 红外与激光工程, 2016, 45(S2): 120-125. doi: 10.3788/IRLA201645.S223001
    [14] 王琳, 张少辉, 李霄, 邵晓鹏.  应用相位一致性评价多光谱遥感图像条带噪声 . 红外与激光工程, 2015, 44(10): 3148-3154.
    [15] 刘恂, 华文深, 杨佳.  面向高光谱探测的伪装效果评价方法 . 红外与激光工程, 2014, 43(10): 3228-3232.
    [16] 高绍姝, 金伟其, 王岭雪, 骆媛, 李家琨.  基于场景理解的双波段彩色融合图像质量评价 . 红外与激光工程, 2014, 43(1): 300-305.
    [17] 魏一苇, 黄世奇, 王艺婷, 卢云龙, 刘代志.  基于体积和稀疏约束的高光谱混合像元分解算法 . 红外与激光工程, 2014, 43(4): 1247-1254.
    [18] 刘志刚, 卢云龙, 魏一苇.  有监督的高光谱图像伪装目标检测方法 . 红外与激光工程, 2013, 42(11): 3076-3081.
    [19] 张勇, 金伟其.  夜视融合图像质量主观评价方法 . 红外与激光工程, 2013, 42(2): 528-532.
    [20] 张勇, 金伟其.  夜视融合图像质量客观评价方法 . 红外与激光工程, 2013, 42(5): 1360-1365.
  • 加载中
计量
  • 文章访问数:  371
  • HTML全文浏览量:  59
  • PDF下载量:  150
  • 被引次数: 0
出版历程
  • 收稿日期:  2013-02-20
  • 修回日期:  2013-03-07
  • 刊出日期:  2013-10-25

基于sc-NMF的高光谱图像融合

    作者简介:

    安振宇(1988- ),男,博士生,主要从事遥感图像配准融合处理方面的研究。Email:anzhenyu_155@126.com;史振威(1977- ),男,副教授,博士生导师,博士,主要从事模式识别与机器学习,高分辨率遥感图像处理及应用等方面的研究。Email:shizhenwei@buaa.edu.cn

    安振宇(1988- ),男,博士生,主要从事遥感图像配准融合处理方面的研究。Email:anzhenyu_155@126.com;史振威(1977- ),男,副教授,博士生导师,博士,主要从事模式识别与机器学习,高分辨率遥感图像处理及应用等方面的研究。Email:shizhenwei@buaa.edu.cn

基金项目:

国家自然科学基金(61273245,60975003,91120301);国家重点基础研究发展计划(2010CB327904);虚拟现实技术与系统国家重点实验室开放基金(BUAA-VR-12KF-07);教育部新世纪优秀人才支持计划(NCET-11-0775);北京市自然科学基金(4112036)

  • 中图分类号: TP751.1

摘要: 将高光谱图像与全色图像融合,所得融合数据对于后续的其它高光谱图像处理非常有帮助。区别于传统方法,针对高光谱图像特点,引入了光谱约束项,改进并建立基于光谱约束的非负矩阵分解(spectral-constrained nonnegative matrix factorization,sc-NMF)。改进后,该模型首先在光谱约束前提下,对高光谱图像进行非负矩阵分解,对分解所得基底进行增强,再重建高光谱图像。这样,所得到的融合图像在空间细节和光谱保持性均有比较好的效果。最后,进行了仿真和实际数据的实验验证,通过主观和客观的评价结果,所改进的融合方法性能较好,比传统方法更适用于高光谱图像融合。

English Abstract

参考文献 (19)

目录

    /

    返回文章
    返回