熵值法matlab代码-ECSO:基于熵的凸集优化，用于从高光谱图像中提取空间光谱端成员

保守值法matlab代码标题 基于熵的凸集优化，用于从高光谱图像中提取空间光谱端成员 抽象的 光谱分解是遥感高光谱数据利用的重要问题。 自动频谱分解可以看作是一个三阶段问题，其中第一阶段是子空间识别，第二阶段是末端成员提取，最后一个是丰度估计。 按此顺序，端成员提取是最具挑战性的问题。 许多研究人员试图仅使用光谱信息从高光谱图像中提取端成员。 但是，众所周知，包含空间信息可以改善端成员提取任务。 在本文中，我们介绍了一种利用光谱和空间信息的新端成员提取算法。 该算法的主要创新之处在于，利用熵来利用空间信息，而利用凸集优化来利用频谱信息。 在文献中，没有一种空间光谱算法使用熵作为空间信息。 包含此基于熵的空间信息可提高端成员提取过程的准确性。 使用合成数据集和真实数据集，将通过拟议算法获得的结果（使用各种度量标准）与通过其他最新方法获得的结果进行比较。 我们的实验结果表明，提出的算法优于许多可用算法。 引用本文为 D. Shah，T。Zaveri，YN Trivedi和A. Plaza，“基于熵的凸集优化，用于从高光谱图像中提取空间光谱最终成员，”《 IEEE精选应用地球观测与遥感期刊》