基于物理与数据驱动模型融合的高光谱图像解混
信号处理
2023-03-22 v2 图像与视频处理
摘要
光谱解混是高光谱数据处理中最重要的定量分析任务之一。传统基于物理的模型具有清晰的物理解释性，但可能不适用于分析具有未知复杂物理特征的场景。数据驱动方法近年来发展迅速，尤其是深度学习方法，因其对复杂非线性系统建模具有优越能力。将这些方法作为黑箱直接迁移用于解混可能导致较低物理可解释性与泛化能力。本文综述了通过深度神经网络结构设计、先验设计和损失设计来融合基于物理模型与数据驱动方法优势的高光谱解混工作。这些方法大多源于一个共同的数学优化框架，并兼具良好可解释性与高准确性。
引用
@article{arxiv.2206.05508,
title = {Integration of Physics-Based and Data-Driven Models for Hyperspectral Image Unmixing},
author = {Jie Chen and Min Zhao and Xiuheng Wang and Cédric Richard and Susanto Rahardja},
journal= {arXiv preprint arXiv:2206.05508},
year = {2023}
}
备注
IEEE Signal Process. Mag., to be published. Manuscript submitted March 14, 2022; revised June 25, 2022 and July 27, 2022; accepted August 27, 2022