高光谱数据解混中的光谱变异性：综述
图像与视频处理
2021-04-08 v4 信号处理
摘要
高光谱图像中所含材料的光谱特征（亦称端元，EM）会受图像内典型的大气、光照或环境条件变化显著影响。传统光谱解混（SU）算法忽略端元的光谱变异性，这会在整个解混过程中传播显著的建模误差并损害结果质量。因此，近期大量工作致力于减轻SU中光谱变异性的影响。这催生了融合不同策略以允许EM在高光谱图像内变化的算法，例如使用先验已知光谱特征集、贝叶斯、参数化或局部EM模型。各类方法具有不同特点与内在动机。本文给出全面文献综述，对解决该问题的经典与近期方法进行语境化梳理。我们详细评估光谱变异性来源及其对图像光谱的影响。此外，我们从实践者视角基于所需监督量与计算代价提出新分类法以组织现有工作。我们还综述了基于观测高光谱图像构建光谱库（许多SU技术所需）的方法，以及库扩充与约简算法。最后，我们讨论并概述该领域可能的未来方向。
引用
@article{arxiv.2001.07307,
title = {Spectral Variability in Hyperspectral Data Unmixing: A Comprehensive Review},
author = {Ricardo Augusto Borsoi and Tales Imbiriba and José Carlos Moreira Bermudez and Cédric Richard and Jocelyn Chanussot and Lucas Drumetz and Jean-Yves Tourneret and Alina Zare and Christian Jutten},
journal= {arXiv preprint arXiv:2001.07307},
year = {2021}
}
备注
Published at the IEEE Geoscience and Remote Sensing Magazine