深度扩散模型与无监督高光谱解混用于真实丰度图合成

本文提出了一种利用无监督深度学习方法从高光谱影像生成真实丰度图的新型框架。我们的方法将盲线性高光谱解混与最先进的扩散模型相结合，以增强合成丰度图的真实性和多样性。首先，我们对原始高光谱数据应用盲解混，直接提取端元和丰度图。这些丰度图随后作为扩散模型的输入，作为生成引擎来合成高度真实的空间分布。扩散模型近期通过提供优越的性能、灵活性和稳定性，彻底革新了图像合成，使其非常适合高维光谱数据。通过结合物理可解释解混与深度生成建模，我们的方法能够在多样化成像条件下模拟高光谱传感器输出——这对高光谱分析中的数据增强、算法基准测试和模型评估至关重要。值得注意的是，我们的方法完全无监督，确保了对不同数据集的适应性而无需标注训练数据。我们使用 PRISMA 空间任务的地球观测真实高光谱影像验证了该方法，证明了其在生成能够捕捉自然场景空间与光谱特征的真实合成丰度图方面的有效性。