بهتازگی روشهای تجزیهی طیفی تصاویر فراطیفی، به عنوان ابزاری قدرتمند در شناسایی عوارض موجود در پیکسلها ی مختلط به طور گستردهای مورد اقبال پژوهشگران قرار گرفتهاند. از میان الگوریتمها ی ارائهشده برای تجزیهی طیفی تصاویر فراطیفی، فاکتورگیری به علت اعمال قید نامنفی بودن بر فراوانیهای حاصل از تجزیهی طیفی و همچنین استخراج همزمان طیف و (NMF)ماتریس نامنفی به علت داشتن تابع هدف نامحدب NMF ، بیش از سایر روشها مورد توجه قرار گرفته است. علیرغم این تواناییها ،فراوانی اعضای خالص تلاشهایی برای دستیابی به نتایج ، دارای جوابهای محلی فراوانی است که در مطالعات مختلف با افزودن قیدهایی به تابع هزینهی آن همچنان دارای جوابهای محلی هستند. در پژوهش حاضر با NMF روشهای بر مبنای ، بهینهی سراسری صورت پذیرفته است. با اینحال استفاده از یک روش تکراری و با تکیه بر تئوری یادگیری گروهی و ترکیب وزندار نتایج بهدستآمده از تکرارهای مختلف الگوریتم تجزیهL1/2 ی طیفی فرآیند استخراج طیفها و فراوانیهای حاصل از این الگوریتم بهبود یافته است. روش پیشنهادی روشی ، -NMF غیرپارامتریک و از نظر ریاضی روشن است که میتوان فرآیند پیشنهادی در آن را به الگوریتمهای پیشرفتهتری از تجزیهی طیفی تعمیم بر ، داد .روش پیشنهادی بر روی دادههای مختلف مصنوعی و واقعی اجرا گردیده است. نتایج حاصل از آزمایشهای موجود در این پژوهش حاکی از کارایی این روش نسبت به روشهای مشهور در شناسایی عوارض موجود در پیکسلهای ، روی هر دو دسته از دادههای فراطیفی مختلط است.

کلمات کلیدی