面向高光谱图像的稀疏性和总变异约束的多层线性混合
计算机视觉与模式识别
2025-08-06 v1 机器学习
图像与视频处理
摘要
高光谱混合旨在估计物料特征(称为端成员)及其相应的比例(称为丰度)，这是许多高光谱图像应用中的关键预处理步骤。本研究提出了一种新方法，称为稀疏性和总变异(TV)约束的多层线性混合(STVMLU)，用于高光谱图像。具体而言，基于多层矩阵分解模型，为提高混合精度，引入 TV 约束以考虑相邻空间相似性。此外，采用 L1/2 范稀疏约束有效地表征丰度矩阵的稀疏性。为优化 STVMLU 模型，采用交替方向乘子法(ADMM)，允许同时提取端成员及其相应的丰度矩阵。实验结果表明，与其他算法相比，所提出的 STVMLU 在提高了混合精度方面具有优势。
引用
@article{arxiv.2508.03403,
title = {Sparsity and Total Variation Constrained Multilayer Linear Unmixing for Hyperspectral Imagery},
author = {Gang Yang},
journal= {arXiv preprint arXiv:2508.03403},
year = {2025}
}