论文部分内容阅读
由于高光谱图像的空间分辨率较低,图像中存在大量的混合像元,因此研究亚像元级的混合像元分解技术,分离出像元中的端元及其丰度能够更好地帮助我们进行物质的分类与探测,研究者们也由此开始了高光谱图像的解混算法研究。本文所研究的高光谱解混算法基于线性混合模型,在针对性地研究并分析了解混算法的数学基础之后,提出了三类改进的解混算法。在凸面几何学类的解混算法中,放宽了模型的非负约束与纯像元假设,加入了负数惩罚正则项,提出了鲁棒最小外包单纯形算法(RMVES),求解此算法时采用循环最小化思想,将非凸优化问题分解为两