考虑端元变异性的高光谱图像无监督解混

本文提出了一种用于高光谱图像解混的无监督贝叶斯算法，该算法考虑了端元变异性。像素由端元的线性组合建模，并以相应的丰度作为权重。然而，假设端元是随机的，以考虑其在图像中的变异性。所提出的模型还考虑了加性噪声，从而推广了正态成分模型。所提出的算法利用整幅图像来提供光谱和空间信息。它估计图像中每个端元的均值和协方差矩阵。这使得能够分析每种材料的行为并量化其在场景中的变异性。基于估计的丰度，还获得了空间分割。为了估计与所提出的贝叶斯模型相关的参数，我们建议使用哈密顿蒙特卡洛算法。通过在合成数据和真实数据上进行的仿真，评估了所得解混策略的性能。