红外与毫米波学报, 2017, 36 (2): 173, 网络出版: 2017-06-06   

高光谱遥感图像非线性解混研究综述

Review of nonlinear unmixing for hyperspectral remote sensing imagery
杨斌 1,2,3,*王斌 1,2,3
作者单位
1 复旦大学 电磁波信息科学教育部重点实验室, 上海 200433
2 北京师范大学 地表过程与资源生态国家重点实验室, 北京 100875
3 复旦大学 信息学院智慧网络与系统研究中心, 上海 200433
摘要
介绍了近年来非线性光谱解混方法的发展状况, 主要包括矿物沙地地区的紧密混合模型和植被覆盖区域的多层次混合模型, 以及基于这些模型的非线性解混算法和利用核函数、流形学习等方法的数据驱动非线性光谱解混算法及非线性探测算法.最后分析总结了现有非线性解混模型与算法的优势与缺陷及未来的研究趋势.
Abstract
The development of non-linear spectral unmixing methods in recent years is introduced. There are mainly two types of models. One is the close-mixing model of mineral sand area and the other is multi-level mixing model of vegetation coverage area. The data-driven nonlinear spectral unmixing algorithms such as kernel methods and manifold learning are presented. Both advantages and disadvantages of these models and algorithms are summarized and the future research trends are analyzed.

杨斌, 王斌. 高光谱遥感图像非线性解混研究综述[J]. 红外与毫米波学报, 2017, 36(2): 173. YANG Bin, WANG Bin. Review of nonlinear unmixing for hyperspectral remote sensing imagery[J]. Journal of Infrared and Millimeter Waves, 2017, 36(2): 173.

本文已被 6 篇论文引用
被引统计数据来源于中国光学期刊网
引用该论文: TXT   |   EndNote

相关论文

加载中...

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!