Hierarchical Sparse Nonnegative Matrix Factorization for Hyperspectral Unmixing with Spectral Variability

Accounting for endmember variability is a challenging issue when unmixing hyperspectral data. This paper models the variability that is associated with each endmember as a conical hull defined by extremal pixels from the data set. These extremal pixels are considered as so-called prototypal endmembe...

Ամբողջական նկարագրություն

Մատենագիտական մանրամասներ

Հիմնական հեղինակներ:	Tatsumi Uezato, Mathieu Fauvel, Nicolas Dobigeon
Ձևաչափ:	Artigo
Լեզու:	Inglês
Հրապարակվել է:	MDPI AG 2020-07-01
Շարք:	Remote Sensing
Խորագրեր:	hyperspectral imaging spectral unmixing sparse unmixing endmember variability
Առցանց հասանելիություն:	https://www.mdpi.com/2072-4292/12/14/2326
Ցուցիչներ:	Ավելացրեք ցուցիչ Չկան պիտակներ, Եղեք առաջինը, ով նշում է այս գրառումը!