基于超像素和低秩的协同稀疏高光谱解混

摘要

为了克服经典协同稀疏解混算法的不足以及全变差正则项引起的边缘模糊问题,同时考虑到稀疏性和空间信息对解混精度提高的重要性,采用结合超像素和低秩的协同稀疏高光谱解混算法,进行了理论分析和实验验证。该算法对高光谱图像进行超像素分割,并对每个超像素施加协同稀疏性约束。此外使用低秩正则项代替传统的全变差正则项来利用空间信息,选取一组模拟数据和一组真实数据进行了实验。结果表明,模拟实验中信噪比为30dB时得到的信号重构误差为19.4,比经典的变量分裂增广拉格朗日全变差算法提高了35%左右;真实数据实验直观地反映出了该算法能有效地克服边缘模糊问题,具有更好的解混性能。该研究为如何综合利用稀疏性和空间信息提供了参考。