基于非因子化稀疏表示和误差矩阵估计的高光谱图像融合

具有非负约束的矩阵分解在高光谱图像融合中得到了广泛的应用。 尽管如此,对稀疏系数的非负限制限制了字典表示的效率。 针对这一问题,提出了一种基于非分解稀疏表示和误差矩阵估计的高光谱图像融合方法,用于同一场景下遥感高空间多波段图像与低空间高光谱图像的融合。 首先,专门采用一种有效的频谱字典学习方法来构建频谱字典,避免了矩阵分解的过程。 然后,使用非负约束的乘法器交替方向方法(ADMM)估计高空间多波段图像相对于学习的光谱字典的稀疏代码。 为了提高最终融合结果的质量,还提出了一种误差矩阵估计方法,该方法利用了非因式稀疏表示后的空间结构信息。 在模拟和真实数据集上的实验结果表明,与相关的最新技术相比,我们提出的方法实现了最高质量的高光谱图像融合,可以将PSNR提高到2.5844以上,而SAM则提高到0.3758以上。