李 璠,吴朝明,张绍泉,胡 蕾,邓承志

(1.南昌工程学院 江西省水信息协同感知与智能处理重点实验室,江西 南昌330099； 2.江西师范大学计算机信息工程学院,江西 南昌330022)

1 引 言

高光谱遥感具有光谱分辨率高、图谱合一和光谱波段数目多等特点,已成为地质制图、植被调查、海洋遥感、环境监测等领域的重要技术[1]。然而,受成像光谱仪空间分辨率的限制和自然界地物复杂多样的影响,混合像元普遍存在于高光谱遥感图像中,其极大地限制了高光谱图像的应用范围[2]。混合像元分解是解决混合像元问题有效的方法,是保证高光谱遥感技术向定量化发展的前提[3]。

随着端元光谱库的普及以及稀疏表示理论[4]的迅速发展,Iordache等用已知端元光谱库替代从图像中选取端元集合,将稀疏约束引入到混合像元分解中,提出了稀疏解混的理论与方法[5]。稀疏解混不需要假设图像中有纯端元存在,同时不需要估计图像中包含的端元数目,是当前解混的研究热点[6]。稀疏解混的基本模型是一个非凸的组合优化问题,通常采用非平滑项“L0范数”表示。近年来,针对“L0范数最小化问题”提出了近似求解方法,最常见的是用L1范数代替L0范数[5]。对于L1稀疏正则化问题,变量分裂与增广拉格朗日方法(Sparse unmixing by variable splitting and augmented lagrangian,SUnSAL)[7]被证实是有效的求解方法,可以得到较满意的结果。然而,由于光谱库中的端元数量与通常参与混合像元的组分数量之间的不平衡,导致L1正则化解混的稀疏性和稳健性并不好。为了……