主题词
自动编码器，深度学习，高光谱遥感，非线性解混
高光谱图像凭借其“图谱合一”的独特优势，但由于成像过程的复杂性和地物分布的多样性，高光谱遥感图像中通常存在大量混合像元，这为图像解译带来了巨大的挑战。作为解决混合像元问题的核心技术，混合像元分解在深度学习发展的推动下近年来取得了显著进展。然而，成像过程中不可避免的散射现象会导致光谱失真，进一步增加了解混的难度。
针对传统线性解混方法难以处理电磁波多路径效应引起的散射问题，中国科学院空天信息创新研究院
高连如编委
课题组与西安科技大学
苏远超副教授
课题组联合，发表了题为“基于深度自编码器扩展网络的多线性高光谱图像解混方法
”
的文章，从研究背景、方法介绍、实验结果与分析以及总结与未来展望四个方面，全面阐述了该方法的理论基础与实际效果，并公开了相关代码，为高光谱图像解混领域提供了重要的技术支持和参考资料。
题
目：
A Deep Autoencoder-Based Augmented Network for Blind Multilinear Hyperspectral Unmixing
作者：
Yuanchao Su, Zhiqing Zhu, Lianru Gao*,
Antonio Plaza, Pengfei Li, Xu Sun, Xiang Xu
发表期刊：
IEEE Transactions on Geoscience and Remote Sensing
第一作者单位：
西安科技大学
关键词：
自动编码器，深度学习，高光谱遥感，非线性解混
引用格式：
Su, yuanchao, Zhu, Zhiqing, Gao, Lianru, et al. DAAN: A Deep Autoencoder-Based Augmented Network for Blind Multilinear Hyperspectral Unmixing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2024, 62: 5512715.DOI：10.1109/TGRS.2024.3381632
高光谱遥感凭借其对目标场景详细光谱和空间信息的捕捉能力，在众多领域展现出广泛的应用价值。然而，由于空间分辨率的限制，混合像元问题显著，如何有效处理这一问题对于高光谱遥感的发展具有重要意义。传统的解混方法中，线性光谱混合模型因其简单易用备受青睐，但基于理想假设的局限性使其在实际应用中表现受限；非线性光谱混合模型涵盖多种类型，其中紧密混合模型对参数敏感且复杂，限制了其实际应用，多层混合模型虽有所改进但仍存在一定的局限性，而多线性混合模型能够更准确地模拟散射效应，但现有算法多为有监督方法且未充分利用空间信息。
近年来，深度学习技术在高光谱图像处理领域展现出巨大潜力，其中自编码器架构成为解混的常用工具。然而，大多数基于深度学习的解混方法通常忽视了高光谱图像中重要的空间关系信息，尽管部分方法基于卷积神经网络或自注意机制引入空间信息，但仍未充分考虑多重散射问题对高光谱解混的深远影响，亟需进一步优化与突破。
现阶段，基于深度学习的解混方法大多未关注现实场景中普遍存在的多重散射问题，导致在应对复杂混合像元时效果受限。本文针对这一问题展开研究，聚焦于多重散射对混合像元解混的影响，旨在提供一种创新的解决思路与方法，为高光谱图像解混领域带来新的思路。
DAAN不但能解决多重散射对光谱响应的干扰，而且无需先验信息，实现了一种无监督的深度学习框架。图1是DAAN的流程图，DAAN使用两个编码器，将多线性模型分为线性和多线性部分分别进行关注。DAAN使用两个编码器用于处理线性混合和多重散射。最终，得到的端元和丰度是去除了散射相互作用影响后的结果。
以Moffett Field数据为例（该数据集是测试非线性解混的典型数据集之一），研究场景由50×50个像元组成，在去除噪声和水汽吸收影响后，保留了189个波段。该场景包含三种主要地物类型：植被、水和土壤。图2展示了DAAN与其他线性及非线性解混方法的丰度估算结果对比。结果表明，DAAN方法估算的丰度分布更加接近实际情况，优于其他方法。图3显示了DAAN在Moffett Field数据上估算的散射分布情况。由于多重散射现象通常发生在不同地物交界处，结合Moffett Field数据的RGB图对比可以看出，图4(b)中估算的散射分布结果与地质学常识高度一致，进一步验证了DAAN在处理散射问题上的有效性。
图2 不同方法对Moffett Field数据解混后得到的丰度图，
顶部：土壤。中间：水体。底部：植被 (a) VCA+FCLS，(b) UnDIP，(c) 3DCNN，(d) rNMF，(e) DMBU，(f) MLMM，(g) DAAN
图3 (a) Moffett Field数据的RGB三波段合成图，(b) DAAN估算的散射分布图
图4和图5展示了基于国产数据的一次解混实验，实验数据来源于ZY-1 02D卫星，包含166个波段，光谱范围覆盖0.4~2.5μm。实验场景的图幅大小为100×100个像元，主要地物类型包括水体、植被和土壤。通过对比RGB图可以看出，DAAN方法估算出的地物丰度分布与散射分布与实际情况高度一致，进一步验证了其在处理混合像元问题及多重散射效应方面的有效性和适用性。
图4 (a) 湖南双峰县高光谱数据集的RGB三波段合成图 (b) DAAN估算的散射分布图
图5 用DAAN在双峰县数据上估算的端元和丰度，(a) 水体，(b) 植被，(c) 土壤
DAAN充分考虑了成像过程中电磁波多路径传播引发的散射效应，通过多线性混合模型有效消融散射干扰所带来的负面影响，从而获得更加准确的解混结果。未来的研究将基于该方法进一步优化和改进，持续提升其预测能力，以期在高光谱图像混合像元问题的处理上取得更优表现，为高光谱遥感技术在环境监测、农业分析等领域的应用提供技术支持。
声明
欢迎转载、转发本号原创内容，转载信息请与本号联系授权，标注原作者和信息来源为《遥感学报》。
本号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及作品内容、版权和其他问题，请在20日内与本号联系，我们将在第一时间处理。《遥感学报》拥有最终解释权。
期刊订阅
1.各地邮局订阅：邮发代号82-324；
2.科学出版社期刊发行部：联系电话010-64017032，64017539；
3.网上购买：搜淘宝店、微店店铺名称：中科期刊（订阅及销售过刊）；
《遥感学报》12月新刊热卖中
戳图片
或
阅读全文
立即购买
