基于端元束与组稀疏诱导混合范数的高光谱图像解混

高光谱图像比传统成像技术提供更多的信息，允许对观测场景中的材料进行精确识别，但由于空间分辨率有限，观测结果通常是多种材料贡献的混合。光谱解混问题旨在恢复场景中纯材料的光谱（端元）及其在每个像素中的比例（丰度）。为了处理材料的类内变异性和由此产生的端元光谱变异性，可以考虑每种材料的多个光谱，构成端元束。然而，通常的丰度估计技术并未利用这些按光谱组组织的端元束的特定结构。在本文中，我们提出通过在丰度估计优化问题中引入混合范数来使用组稀疏性。特别是，我们提出了一种新的惩罚项，它同时强制组内和组间稀疏性，代价是其非凸性。所有提出的惩罚项均与丰度和为一约束兼容，而传统稀疏回归则非如此。我们在模拟和真实数据集上表明，与简单的端元束方法相比，选择恰当的惩罚项可以显著提高解混性能。