基于再权重稀疏和正交约束非负矩阵分解的高光谱图像解混

针对由于非负矩阵分解模型的非凸性和噪声,非负矩阵分解方法容易陷入局部最优解的问题,提出一种再权重稀疏和正交约束非负矩阵分解算法(Reweight Sparse and Orthogonal Nonnegative Matrix Factorization, RONMF)。RSNMF是一种稀疏增强的算法,充分体现了高光谱图像解混的地物丰度稀疏性,但也因此使得光谱近似的地物容易混淆。RONMF在再权重稀疏非负矩阵分解的基础上,引入正交非负矩阵分解(Orthogonal Nonnegative Matrix Factorization, ONMF),增强端元光谱的独立性,在再权重稀疏算法基础上进一步优化,以达到更好的解混效果。实验也证实了该算法的优越性能,RONMF算法对土壤与路这种光谱相近的端元解混性能与SONMF相近,继承SONMF有效保护端元独立性的特性,对树和水这种丰度稀疏特性较强端元的解混性能,极大程度地保留了再权重稀疏算法的稀疏性增强能力。