高光谱图像unmixing在MATLAB中实现SpectralSuperResolution：光谱超分辨率。

简介：
该存储库提供了专门为高光谱数据设计的MATLAB代码和脚本，用于实现光谱超分辨率。该项目提出的方法采用稀疏表示 (SR) 学习框架，从低分辨率形式生成高光谱分辨率的3D数据立方体。具体而言，该框架将低光谱分辨率和高光谱分辨率的数据立方体表示为对经过训练的完整字典元素的稀疏线性组合。为了评估所提出的光谱超分辨率方案的性能，我们利用了EO-1 NASA的Hyperion卫星高光谱地球观测场景。由于Hyperion场景具有极高的光谱覆盖率，它在遥感领域被广泛应用于分类和光谱分离任务。我们选取了2015年8月30日于夏威夷岛拍摄的高光谱场景，并利用了可见光和近红外光谱范围内的67个光谱带，其波长范围从436.9纳米到833.83纳米。在字典训练阶段，我们设计了一种耦合字典学习方案，基于 ADMM 算法对高光谱分辨率和低光谱分辨率的特征空间进行了建模。通过从100,000组低和高光谱分辨率的数据立方体中训练512个代表性字典原子，完成了字典的构建。