Enhancing Supervised Hyperspectral Unmixing using Spatial Correlation under Nonlinear Mixing Model
Message:
Abstract:

In this paper, a supervised hyperspectral unmixing solution that integrate the spatial information in the abundance estimation procedure is presented. The proposed method is applied on a nonlinear model based on Polynomial Postnonlinear Mixing Model (PPNMM) where characterizes each pixel reflections composed of nonlinear function of pure spectral signatures corrupted by noise. The image is iteratively classified to classes where contains similar spectral reflectance so share the same abundance vector. Then the abundance vector is estimated for all pixels belong to each class. To make classification, the spatial correlation between pixels belonging to each class is modelled by Markov Random Field (MRF). A Bayesian framework is proposed to estimate the classes and corresponding abundance vectors alternatively. Due to complexity of derived likelihood function, a Markov Chain Monte-Carlo (MCMC) algorithm is used to estimate the abundance vector based on generated samples. The result of implementation on simulated data shows around 20% prominence of proposed approach in comparison to nonlinear unmixing and MRF-based linear unmixing algorithms in the sense of estimation and reconstruction error.

Article Type:
Research/Original Article
Language:
Persian
Published:
Journal of Iranian Association of Electrical and Electronics Engineers, Volume:17 Issue: 1, 2020
Pages:
39 - 48
magiran.com/p2099162  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.