研究目的
开发一种对初始值和各类噪声(包括高斯噪声与非高斯噪声)敏感性较低的高光谱解混稳健方法。
研究成果
所提出的RNLCF算法能有效处理高光谱解混中的高斯与非高斯噪声,在合成数据与真实数据的rmsSAD和RMSE指标上均优于NLCF、L1-CENMF等现有方法。未来工作将聚焦于理论收敛性证明。
研究不足
该方法的理论收敛性尚未得到证明,且可能需要针对不同数据集进行参数调优。该研究未涉及计算复杂度或实时适用性问题。
研究目的
开发一种对初始值和各类噪声(包括高斯噪声与非高斯噪声)敏感性较低的高光谱解混稳健方法。
研究成果
所提出的RNLCF算法能有效处理高光谱解混中的高斯与非高斯噪声,在合成数据与真实数据的rmsSAD和RMSE指标上均优于NLCF、L1-CENMF等现有方法。未来工作将聚焦于理论收敛性证明。
研究不足
该方法的理论收敛性尚未得到证明,且可能需要针对不同数据集进行参数调优。该研究未涉及计算复杂度或实时适用性问题。
加载中....
您正在对论文“[2018年第三届IEEE信号与图像处理国际会议(ICSIP)- 中国深圳(2018.7.13-2018.7.15)] 2018年第三届IEEE信号与图像处理国际会议(ICSIP)- 高光谱解混的鲁棒非负局部坐标分解”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期