SUSHI：一种用于非平稳光谱变化高光谱图像源分离的算法

高光谱图像是具有两个空间维度和第三个光谱维度的数据立方体，为每个像素提供光谱，从而允许对扩展源的物理性质进行映射。在本文中，我们提出了高光谱图像稀疏半盲解混（SUSHI），这是一种对高光谱图像进行非平稳解混并对光谱参数进行空间正则化的算法。该方法允许在不对每个分量假设唯一光谱的情况下分离物理分量。因此，与天体物理学中使用的大多数源分离方法不同，SUSHI 获得的所有物理分量在数据立方体中的光谱形状和幅度都有所变化。非平稳源分离是一个需要约束的不适定逆问题。我们通过训练光谱模型并对其参数施加空间正则化约束来实现这一点。对于光谱模型，我们使用了插值自编码器，这是一种可以用有限样本训练的生成模型。对于空间正则化，我们对模型参数图的小波变换施加了稀疏约束。我们将 SUSHI 应用于一个旨在类似 X 射线天体物理学中超新星遗迹的玩具模型，尽管该方法可用于任何高光谱仪器上的任何扩展源。我们将此结果与对每个单独像素进行经典一维拟合获得的结果进行了比较。我们发现 SUSHI 获得了更准确的结果，特别是在重建物理参数方面。我们将 SUSHI 应用于仙后座 A 超新星遗迹和蟹状星云的真实 X 射线数据。所获得的结果是现实的，并与过去的发现相符，但具有更好的空间分辨率。得益于空间正则化，SUSHI 能够在逐像素方法无法企及的精细尺度上获得可靠的物理参数。