uDAS: An Untied Denoising Autoencoder With Sparsity for Spectral Unmixing

Linear spectral unmixing is the practice of decomposing the mixed pixel into a linear combination of the constituent endmembers and the estimated abundances. This paper focuses on unsupervised spectral unmixing where the endmembers are unknown a priori . Conventional approaches use either geometrica...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on geoscience and remote sensing Ročník 57; číslo 3; s. 1698 - 1712
Hlavní autoři:	Qu, Ying, Qi, Hairong
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.03.2019 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Cascading Collaboration Decoding Deep learning denoising autoencoder Estimation hyperspectral image (HSI) Machine learning Matrix decomposition Minimization Network management systems Noise reduction Optimization Reconstruction Sparsity Spectra spectral unmixing
ISSN:	0196-2892, 1558-0644
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!