协同稀疏回归在空间相关支持下的应用-应用于高光谱分解
摘要：一种新的贝叶斯协同稀疏回归方法用于高光谱图像的线性解混。这个论文的贡献有两个方面；首先，我们提出了一种新的贝叶斯模型，用于结构稀疏回归，其中稀疏丰度向量的支持在像素之间先验上具有空间相关性（即材料在像素级别上是空间组织而不是随机分布）。这种先验信息通过截断的多元伊辛马尔可夫随机场编码在模型中，该方法还考虑了像素不能是空的事实（即每个像素至少有一种材料存在），以及不同材料可能展现不同程度的空间规律性。其次，我们提出了一个先进的马尔可夫链蒙特卡洛算法，用于估计每个像素中材料是否存在，并且在最大边缘后验配置的条件下，计算丰度向量的MMSE估计值。该算法的一个显著特点是它自动调整马尔可夫随机场的参数值，从而使实践者无需通过交叉验证来设置正则化参数。最后，我们通过一系列合成和真实数据的实验证明了所提方法的性能，并与文献中的其他算法进行了比较。
作者：Yoann Altmann and Marcelo Pereyra and Jose Bioucas-Dias
论文ID：1409.8129
分类：Computation
分类简称：stat.CO
提交时间：2023-07-19