考虑端元变率与突变光谱变化以解混多时相高光谱图像的分层贝叶斯模型

高光谱解混是一个盲源分离问题，它包括根据给定的混合模型估计高光谱图像中包含的参考光谱特征，以及它们对每个像素的相对贡献。在实践中，由于观测场景固有的光谱变率和可能存在的离群点，该过程进一步复杂化。更具体地说，多时相高光谱图像，即在不同时刻于同一区域采集的高光谱图像序列，可能同时表现出适度的端元变率和突变光谱变化，后者或由离群点引起，或由连续采集之间的显著时间间隔引起。除非得到妥善处理，否则这两种扰动会显著影响解混过程。在此背景下，我们提出了一种新的多时相高光谱图像解混模型，该模型考虑了被解释为光谱变率的平滑时间变化，以及被解释为离群点的突变光谱变化。所提出的分层贝叶斯模型使用马尔可夫链蒙特卡洛 (MCMC) 方法进行推断，以对感兴趣的后验进行采样并近似贝叶斯估计量。通过与文献中的解混技术在合成数据和真实数据上进行比较，展示了所提方法的优越性。