论文部分内容阅读
近年来,稀疏解混在高光谱图像解混领域受到广泛关注。借助已知端元光谱库,稀疏解混规避了高光谱数据中纯像元缺失的问题和端元提取的过程,使解混简化为从端元光谱库中选择可以有效表达混合像元的最优光谱特征子集。这是一个组合优化问题,常采用稀疏线性回归算法解决,而利用图像的空间信息约束解空间可以有效提高求解精度,获得更好的解混性能。针对现有空间稀疏解混模型对数据空间结构描述不充分的问题,本文提出一种超像素低秩稀疏解混方法,该方法一方面采用超像素分割技术自适应生成同质区域,在传统稀疏解混模型中引入基于超像素的局部