EnglishVersion  
     
 
小组动态
 
  2018年小组动态
  中科院遥感所刘良云研究员来我室访问交流
  伊利诺伊大学芝加哥分校Philip S. Yu教授来我组交流
  我组新增两篇ESI高被引论文
  中国科学院空天信息研究院骆剑承研究员来访问交流
  赫尔辛基大学Petri Pellikka教授到访小组交流
  我组老师参加2018中国地理信息科学理论与方法年会
  我组学生卢晓燕荣获全国博士生学术论坛优秀报告奖
  我组硕士生王少宇参加2018遥感前沿国际会议
  钟燕飞教授受邀参讨《Remote Sensing》编委会
  钟燕飞教授荣获2018年测绘科技进步一等奖
  我组崔松博士生参加PRRS2018国际会议
  我组马爱龙、赵济两位老师分别获批2018年国家自然科学基金
  我组代表参加第七届农业地理信息科学与工程国际会议
  国家重点研发计划项目“国土资源与生态环境安全监测系统集成技术及应急响应示范”——新疆伊犁阿希金矿综合试验
  空间组稀疏正则化非负矩阵分解(SGSNMF)代码共享
  国家重点研发计划项目“国土资源与生态环境安全监测系统集成技术及应急响应示范”2017-2018年度进展交流会顺利召开
  我组师生参加2018测绘地理信息青年学者论
  多伦多大学地理与规划系教授、南京大学大国际地球系统研究所所长陈镜明来我组访问交流
  南京大学大气科学学院柳竞先教授来我室访问交流
  中国极地研究中心副研究员胡泽骏来我室交流访问并作学术报告
  我组2018级博士硕士生顺利毕业,共计一位博士、两位硕士荣获武汉大学2018届优秀研究毕业生
  “武汉大学-公安部物证鉴定中心-广州星博科仪有限公司”高光谱物证鉴定数据分析联合中心协议讨论会召开
  公安部物证鉴定中心研究员王桂强来访并作学术报告
  我组师生代表参加第八届视觉与学习青年学者研讨会
  芬兰赫尔辛基大学Petri Pellikka教授来我校交流
  国家重点研发计划项目“国土资源与生态环境安全监测系统集成技术及应急响应示范”研讨会在武汉大学召开
  我组负责人钟燕飞教授荣获霍英东基金青年教师奖
  我组老师成功申请武大自主科研项目
  我组新增一篇ESI高被引论文
  香港中文大学任超副教授来我组访问交流
  其它年份小组动态
  2017年小组动态
  2016年小组动态
  2015年小组动态
  2014年小组动态
 

武汉大学测绘遥感信息工程国家重点实验室RSIDEA团队共享高光谱遥感影像的空间组稀疏正则化非负矩阵分解(SGSNMF)代码

 

 

       武汉大学测绘遥感信息信息工程国家重点实验室的RSIDEA(智能化遥感数据提取与分析)团队共享高光谱遥感影像的空间组稀疏正则化非负矩阵分解代码(Spatial Group Sparsity Regularized Nonnegative Matrix Factorization for Hyperspectral Unmixing, SGSNMF),该方法由博士生王心宇和钟燕飞教授等发表于IEEE Transactions on Geoscience and Remote Sensing(vol. 55, no. 11,2017)。
       由于空间分辨率有限、地物分布复杂性等因素,高光谱遥感影像中存在大量的混合像元。混合像元问题不仅影响地物的识别和分类精度,而且是遥感技术向定量化发展的重要障碍。为了解决该类问题,国内外学者提出了VCA、MVCNMF、MVSA等基于几何的光谱分解方法。但该类方法仍然存在影像空间信息利用不足的问题。相比于上述方法,本文提出的SGSNMF方法,通过超像素分割处理建模地物的空间相关性,并利用空间组稀疏正则化约束挖掘丰度影像的结构化稀疏特性,有效解决了分解过程中空间信息利用不足的问题。
       该方法旨在挖掘丰度影像结构化的稀疏特性(邻域内光谱相似的混合像元具有结构相似的稀疏表达),提出的空间组稀疏约束(spatial group sparsity)同时建模地物分布的稀疏性以及空间相关性。由于其在优化过程中将空间与稀疏项同时建模,减少了模型优化时所需要的参数,提升了算法的适用性。相比于传统的基于L1、L1/2范数稀疏约束的混合像元分解方法,该方法可以实现空间上结构化的稀疏表达。其理想结构化分解效果如图1所示,其spatial groups通过改进的SLIC超像素分割技术定义。

图1. 结构化稀疏分解,其中矩阵A为端元光谱,矩阵Xi为SLIC分割方法获取的超像素,Si表示结构化稀疏丰度。

       
从视觉和定量评价结果上看,该方法都能够获得较优的混合像元分解结果,具体实验分析可参见论文。其噪声敏感度分析如图2所示,相比于传统的VCA方法,提出的SGSNMF方法在20-50dB噪声干扰的情况下SAD、RMSE精度提升近1倍。
图2. 噪声敏感度分析,其中SNR={15,20,25,30,35,45,50}dB,所选用的对比方法为VCA,MVCNMF,ASSNMF,L1/2NMF。

       附:该方法由武汉大学钟燕飞教授(RSIDEA)团队提出,其编写语言为MATLAB,
       下载地址1:
http://rsidea.whu.edu.cn/e-resources.html
       下载地址2:
https://github.com/Xinyu-Wang/SGSNMF_TGRS
       
其版权归武汉大学RSIDEA团队所有,该软件仅支持学术用途使用,如有问题请联系王心宇博士和钟燕飞教授。
       (wangxinyu@whu.edu.cnzhongyanfei@whu.deu.cn
       如该代码对您有帮助,请帮助引用以下文献:
       Wang, Y. Zhong, L. Zhang, and Y. Xu, “Spatial Group Sparsity Regularized Nonnegative Matrix Factorization for Hyperspectral Unmixing,” IEEE Transactions on Geoscience and Remote Sensing, vol. 55, no. 11, pp.6287-6304, 2017.
 
 
版权所有@RS-IDEA | 地址:武汉市珞喻路129号 | 单位:武汉大学测绘遥感信息工程国家重点实验室 | 办公室:星湖楼709 | zhongyanfei@whu.edu.cn