基于块稀疏结构的高光谱图像光谱解混
图像与视频处理
2023-02-20 v2 计算机视觉与模式识别
摘要
高光谱图像（HSIs）的光谱解混（SU）是遥感（RS）中的重要领域，在不同 RS 应用中均需仔细处理。尽管高光谱数据具有高的光谱分辨率，传感器相对较低的空间分辨率可能导致图像像元内不同纯物质的混合。此时，传感器记录的给定像元光谱可能是多个光谱的组合，每个光谱属于该像元中的一种独特物质。光谱解混随后被用作一种技术，以提取混合像元中不同物质的光谱特征并恢复每个纯光谱签名（称为端元）的光谱。由于相邻像元间的光谱相似性，高光谱图像中存在块稀疏性。在块稀疏信号中，非零样本成簇出现，且簇的模式通常假定为不可作为先验信息获得。本文提出一种基于块稀疏结构的创新性高光谱图像光谱解混方法。采用模式耦合稀疏贝叶斯学习策略（PCSBL）求解高光谱解混问题。为评估所提 SU 算法的性能，其在合成与真实高光谱数据上进行了测试，并在丰度角距离和均方误差方面与其他最先进方法的定量结果进行比较。所得结果表明所提算法以显著优势优于其他竞争方法。
引用
@article{arxiv.2204.04638,
title = {Spectral Unmixing of Hyperspectral Images Based on Block Sparse Structure},
author = {Seyed Hossein Mosavi Azarang and Roozbeh Rajabi and Hadi Zayyani and Amin Zehtabian},
journal= {arXiv preprint arXiv:2204.04638},
year = {2023}
}
备注
25 pages, 8 figures, 2 tables, accepted for publication in journal