基于空间同质性分析的SUNSAL-TV高光谱解混算法的优化方法

简介：
本研究提出了一种针对SUNSAL-TV高光谱解混算法的优化方法，通过引入空间同质性的概念来改进材料分解精度与效率。 稀疏回归框架已被广泛应用于解决线性光谱解混问题，因为像素通常由较少的端元混合而成，而不是整个高光谱数据集中的所有可能成分。传统的稀疏分解技术主要关注分析高光谱图像的光谱特性而不考虑空间信息。然而，将空间信息融入算法中可以显著提升其性能。 一种名为SUnSAL-TV（可变分裂增强拉格朗日和总变化量的稀疏分解）的方法，在目标函数中除了传统的正则化项外还加入了总变化量的空间平滑度调节器，以改善丰度分数的均匀性。然而，图像中的空间平滑程度因区域而异。 本段落提出了一种基于同质性分析的新方法（SUnSAL-TVH），其中通过考虑每个像素的局部均匀性来调整空间正则化项的影响。这种方法不仅更好地适应了不同区域的空间特性，而且被认为在处理噪声时更为稳定和有效。实验结果表明，该算法在综合数据集上的性能优于现有技术。