论文部分内容阅读
为改善全变差正则化变量分离与增广拉格朗日(SUnSAL-TV)算法求解的丰度存在过平滑与边界模糊的现象,本文提出结构张量全变差(STV)再优化的稀疏解混算法(SUnSAL-TV-STV),用STV正则项校正SUnSAL-TV算法求解的丰度矩阵。本文在合成数据集与真实高光谱数据集上进行算法仿真,合成数据实验结果表明:本文算法与其他算法相比,解混重建误差提高0.01~0.03且具有最高的解混成功率,通过对真实数据解混丰度图的观察,本文算法较好地修复了SUnSAL-TV算法求解丰度图的过平滑与边界模糊现象。