高次元スペクトルデータのための迅速な直交射影による非混合

スペクトル非混合は、高次元画像分析において重要な役割を果たします。主に2つの手続き、すなわちエンドメンバー抽出と豊富さ推定から成り立っています。これら2つの手続きのためのほとんどのアルゴリズムは良好なパフォーマンスを示す可能性がありますが、両方の問題を同時に考慮した研究はほとんど行われていません。したがって、高次元非混合の精度は通常、2種類のアルゴリズムのすべての可能な組み合わせを探索することによって達成され、多大な計算負担を引き起こします。私たちは、迅速な高次元非混合を実施するための新しい直交射影の枠組みを提案します。この枠組みは、直交射影エンドメンバー（OPE）と直交射影豊富さ（OPA）を使用して、エンドメンバー抽出と豊富さ推定の両方に取り組みます。特に、任意のピクセル上の最大の直交射影を持つピクセルはエンドメンバーと見なされます。高次元データからランダムに1つのピクセルを選択し、すべてのピクセルの直交射影を計算し、最大の射影を持つピクセルを最初のエンドメンバーとして抽出します。同じエンドメンバーを抽出しないように、以前に抽出されたエンドメンバーに対してすべてのピクセルの直交射影を計算し、最大の射影を持つピクセルを次のエンドメンバーと見なします。豊富さ推定に関しても、私たちは直交射影の概念を利用し、エンドメンバー行列との積が平方行列であるだけでなく対角行列であるような対角行列を探索します。それから、特定の行列操作を利用して、すべてのピクセルにおける各エンドメンバーの豊富さを推定します。提案されたOPEおよびOPAアルゴリズムを合成データと実データ上で評価し、実験結果は高次元非混合におけるその有効性と効率性を検証しました。