![](https://csdnimg.cn/release/download_crawler_static/88600057/bg10.jpg)
图列表
2.3.
通 过 合 成 数 据 集 #1中 的不同方法 恢 复 的 端 成 员 (
m
r
, 红 线 ) 及 其 受 变 异 性 影 响 的 变 体
(
m
r
+
dm
r
,
t
,蓝色点线)。对应于不同时间点的特征被表示在单个图上,以更好地理解从数据
中恢复的可变性。
以黑色表示的光谱对应于显著受离群值影响的特征..................................................................................... 62
2.4.
对于实验#1 [不同行对应于真实丰度、VCA/FCLS、SISAL/FCLS、RLMM、DSU、OU和提议的
方法],不同方法(在每一行中)在每一时间点(在列中给出)恢复的第一个肢体的丰度图。用
红色表示的图像显示了几种方法对离群值的存在高度敏感,并显示了时间瞬间。
*表示 包含异常值的图像。.............................................................................................................................. 63
2.5.
在实验#1的每个时间点,通过不同方法恢复的第二肢体的丰度图。用红色标记的图像显示,几
种方法对
离群值的存在,以及用
*
表示包含离群值的图像的时间瞬间。...................................................................64
2.6.
在实验#1的每个时间点,通过不同方法恢复的第三肢体的丰度图。用红色标记的图像显示,几
种方法对存在高度敏感
* 表示包含离群值的图像,用* 表示时间瞬间。............................................................................................65
2.7.
对
具有3个端点的合成数据集的每个图像估计异常标签z 白色]。...............................................................65
2.8.
实验中使用的场景,提供了各自的采集日期。 以红色表示的区域
图2.8(e)突出显示了已知包含离群值的区域。.......................................................................................... 66
2.9.
在真实数据集上的实验中,通过不同方法(每行)在每个时间点(列中给出)恢复的土壤丰度
图在一只手上,用红色标记的图像表明,一些方法对异常值的存在特别敏感。另一方面,以绿
色分隔的图像表示与已拆分的签名相关的丰富地图
两种组分通过相应的解混程序。..................................................................................................................... 68
2.10.
在每个时间点(给定于 列)用于真实数据集实验。 以红色标记的图像表明,一些方法对异常值的存
在特别敏感。..................................................................................................................................................... 69
2.11.
在真实数据集上进行实验时,通过不同方法在每个时刻恢复植被丰度图。 在一只手上,用红色
标记的图像表明了一些方法。 他们对局外人的存在特别敏感。另一方面,以绿色分隔的图像表
示与签名相关的丰富地图,这些地图已被拆分为两个组件
相应的去混合程序。......................................................................................................................................... 69
2.12.
通过不同方法从图中检测的真实数据集恢复的端成员(m
r
,红线)及其受变异性影响的变体
(m
r
+
dm
r
,
t
,蓝色点线)2.8. 对应于不同时间点的特征以单个图表示,以更好地理解从数据中
恢复的可变性以黑色表示的光谱对应于被离群值破坏的签名,而以绿色给出的签名代表已被关
联的签名拆分为多个组件的端成员。
估计程序。......................................................................................................................................................... 70
2.13.
由所提出的方法恢复的标签映射的mMAP估计值,在每个时间点显示(不同行对应于:估计的
标签映射(检测为以白色显示的异常像素),
通过所提出的方法和RLMM获得的区间[0,1]中重新缩放的外体能量图。 71
2.14.
由检测器[Alt+13]估计的非线性映射应用于具有SISAL提取的端成员的每个图像,误报概率为10
−
3
(检
测到非线性以白色显示的像素)。71
3.1.
参考端成员(红线)和合成HS图像中涉及的光谱变异性(蓝线)下的相应实例。................................ 85
3.2.
合成混合物中使用的第一个肢体的丰度图。顶线表示理论上的最大丰度值和丰度大于0.95的真实
像素数。
每时每刻。......................................................................................................................................................... 88
3.3.
合成混合物中使用的第二端成员的丰度图。顶线表示理论上的最大丰度值和丰度大于该值的真
实像素数。
0.95每时每刻。.................................................................................................................................................. 89
3.4.
合成混合物中使用的第三端成员的丰度图。顶线表示理论上的最大丰度值和丰度大于0.95的真实
像素数。
每时每刻。......................................................................................................................................................... 89
3.5.
合成超光谱时间序列上的估计端成员(提取的端成员表示为
红色,蓝色点线中的可变性。......................................................................................................................... 90