基于結(jié)構(gòu)稀疏表示的高光譜圖像解混.pdf

1、高光譜解混是高光譜數(shù)據(jù)理解中的一個重要問題。它旨在將光譜成像儀收集到的混合光譜信號用純凈光譜成分（端元）的疊加來表示，對應(yīng)的權(quán)重就是所求的豐度向量。線性高光譜解混是比較流行的一種解混建模方法，它假設(shè)端元之間的相互作用是線性的，這樣就使對混合像元建模變得簡潔，并且使解決方案不依賴于觀測到的物質(zhì)的物理特征。然而，線性高光譜解混方法也存在一定的問題。首先，由于空間分辨率不足的局限以及混合物質(zhì)普遍存在的現(xiàn)象，在高光譜圖像數(shù)據(jù)中不可能找到完全純凈

2、的物質(zhì)信號（端元）。其次，線性混疊模型本身并不包含空間信息，事實上，空間信息和譜間信息是解決高光譜解混問題的重要信息來源。
　　本文對基于光譜庫的高光譜圖像解混算法進行了系統(tǒng)的研究，光譜庫中的數(shù)據(jù)是在地面或者實驗室中收集得到的，這樣就避免了從觀測數(shù)據(jù)中提取端元信號。隨著光譜庫的廣泛應(yīng)用，高光譜解混問題需要對更有效的稀疏正則化方法進行研究，由此產(chǎn)生的方法叫做稀疏解混，這是高光譜解混中的一個全新領(lǐng)域。本文所取得的主要研究成果為：

3、>　　1.我們對高光譜圖像具有非局部相似性這一特點進行了深入的研究，提出了一種基于結(jié)構(gòu)稀疏的高光譜圖像解混算法。該算法的核心思想是把高光譜圖像的結(jié)構(gòu)稀疏性這一特點作為先驗信息應(yīng)用到線性稀疏解混模型中。相比于傳統(tǒng)的ψ1范數(shù)模型，結(jié)構(gòu)稀疏約束更充分地運用先驗信息，比如光譜圖像的空間信息和譜線的非局部自相似性等信息。實驗結(jié)果也表明，相比于其他算法，該算法的解混效果明顯提高。
　　2.通過對高光譜圖像低秩特性的研究，把結(jié)構(gòu)稀疏與低秩逼近理