用于高光谱数据光谱解混的稀疏约束图正则化非负矩阵分解

高光谱图像由于高光谱传感器的低空间分辨率而包含混合像元。混合像元是包含多于一种不同物质（称为端元）的像元。端元在混合像元中的存在百分比称为丰度分数。光谱解混问题是指将这些像元分解为一组端元和丰度分数。由于丰度分数的非负性约束，非负矩阵分解方法（NMF）已被广泛用于求解光谱解混问题。本文中，我们使用结合稀疏性约束的图正则化 NMF（GNMF）方法来分解高光谱图像中的混合像元。该方法在低维空间中表示数据的同时保留了数据的几何结构。本文还基于模拟退火方法中的温度调度，为稀疏项使用了自适应正则化参数。所提出的算法应用于合成数据集和真实数据集。合成数据基于 USGS 光谱库中的端元生成。AVIRIS Cuprite 数据集被用作真实数据集以评估所提出的方法。结果基于光谱角距离（SAD）和丰度角距离（AAD）度量进行量化。与其他方法的比较结果表明，所提出的方法能够更有效地解混数据。具体对于 Cuprite 数据集，就 SAD 的均方根而言，所提出方法的性能比 VCA 和稀疏 NMF 约优 10%。