一种自适应鲁棒最小体积高光谱解混算法

对高光谱图像解混的目的在于从低空间分辨率的高光谱图像中找到端元与对应的丰度.本文根据解混算法中的最小体积准则,提出了一种自适应鲁棒最小体积高光谱解混算法（Robust minimum volume based algorithm with automatically estimating regularization parameters for hyperspectral unmixing,RMVHU）.本算法通过引入负数惩罚正则项,替换了同类算法中的丰度非负性约束（Non-negativity constraint,ANC）,使算法对图像中的噪声与异常值具有更强的鲁棒性;采用循环最小化方法,将非凸优化问题分解为凸优化子问题,然后应用交替方向乘子法解决随着像素点个数增大带来的求解困难问题;对于正则项系数,本算法提出了一种自适应调整策略,提高了算法的收敛性,并且通过定性分析,说明了该调整方法的合理性.将算法应用于合成数据与实际数据,实验结果表明,与同类算法相比,本文提出的算法能够取得更为优秀的效果.     

自顶向下设计的多骨架建模方法

为了解决传统骨架模型设计参数传递路径单一的局限性,并且降低上下层设计单元之间的耦合性,提出自顶向下设计的多骨架建模方法.首先结合不同类型的设计参数定义位置骨架、发布骨架和设计骨架的概念,并阐述多骨架的特点;然后提出自顶向下分层递阶的多骨架建模方法,通过多骨架建模对设计参数进行分类管理和分层控制;最后阐述多骨架建模过程中设计参数传递方式和传递结构的优化,有利于参数的受控发布和设计单元的重用.对某气象卫星进行骨架建模分析的实验结果表明,该方法是可行和有效的.