杭州电子科技大学自动化学院，浙江 杭州 310018
针对基于卷积自编码进行空-谱联合的高光谱解混方法中，过度引入像元光谱之间的空间相关性导致丰度过于平滑的现象，提出一种结合注意力机制的双流卷积自编码高光谱解混方法（DSCU-Net）。首先，利用双流卷积网络分别提取高光谱图像的空间特征和光谱特征；其次，为了确保空间特征和光谱特征之间的平衡性，引入通道注意力机制对提取到的空间特征进行重加权，并对光谱特征和重加权后的空间特征进行融合；最后，使用融合后的特征进行高光谱图像重构，并将重构结果送入解混网络的主干网络中进行光谱解混。通过最小化两次重构误差进行解混网络的训练。为了验证所提方法的性能，在两个真实数据集上进行实验，并对复杂场景下算法的性能表现进行分析。结果表明，DSCU-Net能够有效减少过度引入空间相关性造成丰度过于平滑的现象，具有更好的解混性能。
遥感 高光谱解混 卷积自编码器 通道注意力机制 双流结构 激光与光电子学进展
2024, 61(4): 0428008
1 重庆邮电大学通信与信息工程学院，重庆 400065
2 移动通信教育部工程研究中心，重庆 400065
3 移动通信技术重庆市重点实验室，重庆 400065
传统非负矩阵分解（NMF）应用于高光谱解混时，容易受到椒盐噪声的干扰，造成解混的失败。以往的稀疏解混需要在涉及信息比较分散且易受噪声影响的空间域中寻找最优特征子集。为了解决这些问题，提出了基于空谱约束的加权稀疏柯西非负矩阵分解（SSCNMF）算法，首先采用基于柯西损失函数的NMF模型，其在抑制极端异常值方面，有着良好的鲁棒性。其次，引入自适应稀疏权重因子，提高了丰度矩阵的稀疏性。同时，加入光谱空间约束项，其中光谱因子用于测量不同光谱之间的丰度稀疏度，空间因子利用了丰度空间域的平滑性，提高了数据特征的提取效率。分别对模拟数据集和真实数据集进行了仿真实验，通过与一些经典高光谱解混算法的对比，验证了SSCNMF算法的有效性和优良的抗噪声性能。
遥感与传感器 高光谱解混 非负矩阵分解 柯西损失函数 稀疏 空谱约束 激光与光电子学进展
2023, 60(10): 1028006
1 辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105
2 辽宁工程技术大学电气与控制工程学院, 辽宁 葫芦岛 125105
高光谱解混的目的在于提取图像中的端元特征和丰度特征。由于高光谱图像空间分辨率低而存在大量混合像元,因此如何从混合像元中提取光谱特征和空间分布信息是高光谱解混面临的难题。基于非负矩阵分解的高光谱解混是一个不适定拟合问题,而且在处理过程中将立方体数据转化为矩阵会导致三维结构信息的丢失。利用最小体积单纯形空间稀疏性,提出一种基于最小体积稀疏正则的高光谱解混方法,能够挖掘出图像中光谱特性和丰度特征的内在关系,减少结构信息的丢失。将凸几何中的最小体积约束与非负矩阵分解相结合,并采用近似交替优化与交替方向乘子法设计出高效的求解算法。最后分别采用合成数据和真实数据进行仿真实验,结果表明该种算法能够有效地提取出高光谱图像的端元特征和丰度特征。
图像处理 高光谱解混 混合像元 最小体积单纯形 激光与光电子学进展
2020, 57(24): 241010
1 天津工业大学 电子与信息工程学院，天津 300387
2 天津商业大学 信息工程学院，天津 300134
在高阶非线性混合模型的基础上，提出一种多目标高光谱图像解混算法，解决传统方法受高光谱数据异常值影响而解混精度不高的问题。该算法以重构误差与光谱角分布为目标函数建立优化模型，并同时优化两目标函数以减少数据异常值对模型求解的影响，使解混结果在两个评价指标上得到提升; 最后采用差分搜索算法求解多目标优化模型，解决梯度类优化方法易陷入局部极值的问题，从而进一步提升解混精度。实验结果表明，文中算法与传统高光谱解混算法相比，具有更精确的端元丰度估计结果和更高的解混精度。
高光谱图像 多线性混合模型 多目标高光谱解混 仿生智能优化 差分搜索算法 hyperspectral images multi-linear mixing model multi-objective hyperspectral unmixing bionic intelligence optimization difference search algorithm 红外与激光工程
2019, 48(10): 1026002
1 河北工业大学 电子信息工程学院, 天津 300401
2 天津大学 精密仪器与光电子工程学院, 天津 30007
3 天津商业大学 信息工程学院, 天津 300134
为解决盲源分离技术难以直接用于高光谱图像解混这一问题, 将丰度非负及和为1约束作为盲源分离的目标函数, 改变传统的独立性假设；同时, 针对目标函数中具有大量的局部极小, 引入蝙蝠优化算法, 解决传统梯度类优化算法易陷入局部极值的问题.在降维过程中, 提出一种基于奇异值分解去噪的正交子空间投影的降维方法.仿真数据和真实遥感数据实验表明, 所提出算法收敛速度和解混准确度高, 具有较强的抗噪声干扰能力, 适用于像元纯度很低的高光谱图像解混.
遥感 高光谱解混 盲源分离 目标函数 蝙蝠算法 正交子空间投影 Remote Hyperspectral unmixing Blind source separation Objective function Bat algorithm Orthogonal subspace projection
1 中国科学院光电技术研究所，成都 610209
2 中国科学院研究生院，北京 100049
非负矩阵分解通过将一个非负矩阵分解为两个正矩阵的乘积，已经广泛的应用于高光谱图像解混。但是非负矩阵分解直接应用于高光谱图像混合像元分解时收敛速度比较慢，容易陷入局部最优解。本文首先介绍了非负矩阵分解的基本原理，然后利用自动形态学端元提取方法获取端元光谱对非负矩阵分解中端元矩阵进行初始化。在保证非负矩阵分解中非负性和分解精度基础上，利用高光谱图像中端元光谱的非负性及其空间分布的连续性、稀疏性来对非负矩阵分解进行约束限制，其中稀疏性度量是通过非平滑的 NMF算法和稀疏约束的 NMF算法来实现的。最后采用多步内循环迭代的方法更新端元矩阵和丰度矩阵完成高光谱图像解混，对实际的高光谱图像进行解混取得了较好分类效果。
高光谱解混 非负矩阵分解 自动形态学 端元提取 hyperspectral unmixing nonnegative matrix factorization automatic morphology endmember extraction
1 复旦大学 电子工程系，上海200433
2 复旦大学 波散射与遥感信息教育部重点实验室，上海200433
提出了一种基于CayleyMenger行列式的快速端元提取算法.该算法的目标是寻找包含高光谱数据集的最小体积的单形体.与其它基于单形体几何的算法相比，该方法具有诸多优点.首先，CayleyManger行列式的引入使得算法可以便捷地利用Hermite矩阵的特点大大加速搜索过程，进而得到一个稳定的最终解.其次，该算法无须对数据进行降维处理，从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明，所提出的算法在获得准确解的同时，具有非常快的收敛速度.
高光谱解混 CayleyMenger行列式 辅助高 最小体积 单形体 hyperspectral unmixing CayleyMenger determinant auxiliary height minimum volume simplex
1 复旦大学 电子工程系, 上海 200433
2 复旦大学 波散射与遥感信息教育部重点实验室, 上海 200433
传统的独立分量分析并不适用于高光谱遥感图像的混合像元解混, 因为图像中各端元的分布不是相互独立的.针对这一问题, 提出了一种有约束的独立分量分析方法, 来实现遥感图像混合像元的盲分解.通过在独立分量分析的目标函数中引入丰度非负约束与丰度和为一约束, 改变了传统的独立性假设.同时, 为了更好地适用于遥感数据分析, 还提出了一种自适应的丰度建模方法来描述数据的概率分布, 对各种不同的遥感数据进行建模.仿真数据和真实高光谱数据的实验结果表明, 作为一种无需光谱先验信息的算法, 具有更高的分解精度, 为高光谱遥感图像混合像元的盲分解提供了一种有效的解决手段.
高光谱解混 独立分量分析 丰度非负约束 丰度和为一约束 hyperspectral unmixing independent component analysis (ICA) abundance nonnegative constraint(ANC) abundance sum-to-one constraint(ASC)
