SPA

逐次投影算法(Successive Projections Algorithm, SPA)，先找到第一个初始端元，然后循环寻找一个与已提取的端元正交的投影矩阵，再将像元投影至该矩阵，投影长度最大的则为新提取的端元。下面给出代码，还请大家帮忙分析，在此表示感谢！

张兵，孙旭．高光谱图像混合像元分解[M]．北京：科学出版社，2015．

MATLAB代码

这是编写的第三个端元提取的代码，由于最近编程的进步以及MATLAB的便捷，该算法的编写过程很简单。此代码仅为个人进行的尝试学习，并不保证结果的正确性。具体代码文件已上传至下载资源中，还望大家提出建议。

http://www.pudn.com/Download/item/id/3322020.html

clear all;
close all;
clc;
load sancut64_86.mat;[Lines, Columns, Bands] = size(newpic);
N = Lines * Columns;    % 像元数
iData = reshape(newpic, N, Bands);   % iData:像元 * 波段
iData = iData';     % iData:波段 * 像元
numEndmember = 4;   % 端元数% 提取第一个端元
Data = zeros();
for i = 1:NData(i,:) = (norm(iData(:,i), 2)).^2;
end
[val, id] = max(Data);
E(:,1) = iData(:,id);% 提取后续端元
Ik = eye(Bands);
for k = 1 : numEndmember-1Ek1 = E(:,1:k) / (E(:,1:k)'*E(:,1:k)) * E(:,1:k)';Ek = Ik - Ek1;for i = 1:NData(i,:) = (norm(Ek*iData(:,i), 2)).^2;end[val, id] = max(Data);E(:,k+1) = iData(:,id);
endE

VCA

顶点成分分析(Vertex Component Analysis, VCA)，书中所述其与SPA的思路非常相似，只是其中的公式略有不同。下面给出代码，还请大家帮忙分析，在此表示感谢！

张兵，孙旭．高光谱图像混合像元分解[M]．北京：科学出版社，2015．

MATLAB代码

这是编写的第四个端元提取的代码，由于书中所述VCA与SPA很相似，故大部分代码沿用SPA。但在计算时，矩阵维度修改了较长时间。且由于随机向量的生成，导致每次运行结果不一致。具体代码文件已上传至下载资源中，还望大家评判。

http://www.pudn.com/Download/item/id/3322020.html

clear all;
close all;
clc;
load sancut64_86.mat;[Lines, Columns, Bands] = size(newpic);
N = Lines * Columns;    % 像元数
iData = reshape(newpic, N, Bands);
iData = iData';   % iData:波段 * 像元
numEndmember = 4;   % 端元数% 提取第一个端元
Data = zeros();
for i = 1:NData(i,:) = (norm(iData(:,i), 2)).^2;
end
[val, id] = max(Data);
E(:,1) = iData(:,id);% 提取后续端元
Data = zeros();
Ik = eye(Bands);
sigma = randn(Bands, 1);
for k = 1 : numEndmember-1Ek1 = E(:,1:k) / (E(:,1:k)'*E(:,1:k)) * E(:,1:k)';Ek = Ik - Ek1;wk = (Ek * sigma) / (norm((Ek * sigma), 2));for i = 1:NData(:,i) = abs(wk' * iData(:,i));end[val, id] = max(Data);E(:,k+1) = iData(:,id);
endE

端元提取——逐次投影算法SPA与顶点成分分析VCA相关推荐

端元提取——纯像元指数PPI
端元提取--PPI 说明 PPI MATLAB代码疑惑说明为了毕业设计,本人目前在学习高光谱遥感影像混合像元分解的内容,目前接触该领域不过短短两个多月,所读文献也很有限,有太多内容不明白,故希望 ...
（转）ENVI端元提取（MNF→PPI→n-D Visualizer）
仍以cai_jian1为例说明一.MNF变换 1.选择Spectral→MNF Rotation→Forward MNF→Estimate Noise Statistics from Data,如图 ...
ica算法c语言,独立成分分析(ICA)的模拟实验(R语言)
本笔记是ESL14.7节图14.42的模拟过程.第一部分将以ProDenICA法为例试图介绍ICA的整个计算过程:第二部分将比较ProDenICA.FastICA以及KernelICA这种方法,试图重 ...
EGU-Net——端元导向的解混网络
EGU-Net 一个自监督光谱解混模型理解基础知识基本术语混合原因最终目的论文理解本文主要贡献混合模型介绍 Linear Mixing Model-based Unmixing(基于线性 ...
连续投影算法-python版
连续投影算法 - SPA python版文章目录连续投影算法 - SPA python版原理连续投影算法大量用于光谱特征波长选择中,翻遍全网,SPA算法只找到了MATLAB版本. 该版本为MA ...
论文阅读-Endmember-Guided Unmixing Network (EGU-Net) 端元指导型高光谱解混网络
标题:端元引导分解网络(EGU-NET):一种通用的自监督高光谱分解深度学习框架期刊: IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTE ...
OpenCV中直方图反向投影算法详解与实现
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自:opencv学堂一:直方图交叉 OpenCV中直方图反向 ...
基于投影算法实现电表读数识别的Matlab程序
基于投影算法实现电表读数识别的Matlab程序电能表是智能电网中的核心设备之一,其精度和稳定性对电能计量和计费的准确性有重要影响.传统的电表读数需要人工进行,不仅费时费力而且容易出现误差.为了提高电 ...
FPGA篇（一）基于verilog的定点开方运算(1)-逐次逼近算法
目录 1.逐次逼近算法描述 2.Verilog实现 3.Testbench编写 1.逐次逼近算法描述逐次逼近算法流程如图 1所示,首先数据输入data[7:0],接着设置实验值D_z[3:0]和确定 ...
高光谱地物识别练习-从ENVI标准波普库中选择端元进行物质识别
高光谱地物识别练习-从ENVI标准波普库中选择端元进行物质识别 1.首先打开一个高光谱文件 2.打开标准波普库里的展示 3.选择矿物质有14个数据的一类 4.从14个数据中选

端元提取——逐次投影算法SPA与顶点成分分析VCA

端元提取——SPA与VCA

SPA

MATLAB代码

VCA

MATLAB代码

端元提取——逐次投影算法SPA与顶点成分分析VCA相关推荐

最新文章

热门文章