摘要

高光谱稀疏解混合方法旨在寻找光谱库的最佳子集以对场景中的混合像元进行建模。大多数稀疏解混合方法使用美国地质调查局光谱库,易造成与所研究的高光谱数据失配。利用顶点分量分析和概率输出支持向量机,设计了一种结合空间和光谱信息的基于图像的端元光谱库提取方法。由于提取的端元光谱库具有群结构,即多个端元光谱代表一类材料,因此估计的丰度也具有群体结构。提出了基于分数群稀疏混合范式和空间正则化的解混算法,用来解决丰度估计优化问题。分数混合范式诱导丰度群内和群间稀疏性,全变分(Total variation, TV)空间正则化诱导丰度群空间平滑。在模拟数据集和真实数据集上的实验结果表明,与传统稀疏解混合方法相比,该方法可以显著提高解混性能。

全文