生成对抗网络的无监督高光谱解混

摘要：

近年来,基于深度学习中自编码器(AE)的方法在无监督的高光谱解混中受到了广泛的关注.由于AE的学习过程可以表述为通过训练找出一组低维的隐藏层(丰度),并用其对应的权重(端元)进行组合来减少重构误差,因而这种框架被广泛迁移并应用于高光谱的解混算法之中.然而,现有基于AE的框架虽然能有效地处理无监督的解混场景,却都存在着对噪声和初始化条件不鲁棒的问题,且解混精度也有待进一步提升.针对以上问题本文提出了一种全新的基于对抗性自编码网络(AAE)的无监督解混网络框架.首先,在网络的生成器中根据丰度和为一(ASC)及非负性(ANC)的物理意义,设计了一个基于AE的端到端解混框架.然后,在网络的判决器中本文采用初始化的丰度图作为真实值,将生成器的隐藏层(丰度)与初始化的丰度进行对抗训练,在重构误差与对抗误差的同步优化中提升框架解混性能.与传统的AE方法相比,该方法通过引入对抗性过程,在判决器中加入丰度的先验知识,可以大大提高框架的性能和鲁棒性.仿真和真实的高光谱数据的实验表明,该算法较现有方法相比具有更高的解混精度.

关键词：遥感、高光谱解混、深度学习、对抗自编码器、高光谱图像

所属期刊栏目：27

分类号：P2(测绘学)

在线出版日期：2023-10-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1964-1974