<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Li Q. </author>
     <author>Miao X. </author>
    </authors>
   </contributors>
   <titles>
    <title>Численный алгоритм слепого гиперспектрального несмешивания, соединяющий пространственную корреляцию и спектральное подобие</title>
   </titles>
   <keywords>
    <keyword>слепое гиперспектральное несмешивание</keyword>
    <keyword>гиперспектральное изображение</keyword>
    <keyword>сегментация изображения</keyword>
    <keyword>многомасштабная пространственная регуляризация</keyword>
   </keywords>
   <dates>
    <year>2021</year>
    <pub-dates>
     <date>2021-05-29</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>Для гиперспектрального несмешивания предлагается многомасштабный метод пространственной регуляризации, основанный на модифицированном алгоритме сегментации изображения для генерации суперпикселей, в котором суперпиксели используются для извлечения контекстной информации из пространственных корреляций и спектрального сходства в гиперспектральных изображениях (HSI). Проблема разделения разложена на две простые задачи, касающиеся приблизительных суперпикселей и исходных пикселей. Результаты разделения этих задач имеют ограничения пространственной корреляции. Введение нового члена регуляризации, ограничивающего матрицу численности для обеспечения однородности численности, помогает эффективно использовать пространственные корреляции и спектральное подобие численности по данным HSI. Экспериментальные результаты, полученные на основе синтетических данных, демонстрируют более высокую точность предложенного алгоритма по сравнению с традиционными методами.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/15688</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/15644</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
