基于空间同质性分析的改进的sunsal tv高光谱解混算法

稀疏回归框架已被许多工作引入,以解决线性光谱解混问题,这是因为与像素相比,通常与光谱库或整个高光谱数据集中的端成员相比,像素由较少的端成员进行混合。 传统的稀疏分解技术着重于在不合并空间信息的情况下分析高光谱图像的光谱特性。 但是,空间信息的集成将有利于提高线性分解过程的性能。 一种通过可变分裂增强拉格朗日和总变化量的稀疏分解算法(SUnSAL-TV),在最终的分解目标函数中除了稀疏性引起的正则化器之外,还增加了总变化量空间正则化器。 总变化空间正则化有助于提高分数丰度的平滑度。 但是,图像中的丰度平滑度会有所不同。 在本文中,通过均匀性分析来估计空间平滑度。 然后,通过均匀性指数为每个像素加权空间正则化器。 改进的算法称为基于同质性分析的SUnSAL-TV(SUnSAL-TVH),它将空间信息与空间平滑度的更精细建模集成在一起,并且被认为对噪声不敏感并且更稳定。 进行了综合数据集实验,表明了该算法的有效性。