高光谱图像解混是指：从混合像元中分解与提取各个地物光谱并求得其对应比例，即将混合像元分解成不同的端元组合，并求得端元在该像元中所占的比例（丰度系数）。

高光谱遥感是高光谱分辨率遥感（Hyperspectral Remote Sensing）的简称。20多年来，高光谱成像技术在遥感领域迅速崛起，它是在电磁波谱的可见光，近红外，中红外和热红外波段范围内，获取许多非常窄的光谱连续的影像数据的新兴成像技术。作为遥感技术发展过程中的一项重大创新，高光谱成像技术为人们认识世界、观测地物提供了一种有效手段，实现了人们认识论中逻辑思维（地物光谱）和形象思维（空间影像）的统一。由于其具有较高的光谱分辨率, 高光谱遥感已广泛应用于地质制图、植被调查、大气研究、环境监测、目标侦察、伪装识别等重要领域。

高光谱遥感原理图

由于受到光谱获取手段和光学器件性能的限制，高光谱遥感图像往往有着较低的空间分辨率，从而在像元对应的瞬时视场角内通常包含多于一种地物类型的地面信息（混合像元）。对高光谱遥感信息处理的精度受到混合像元的严重影响，为了更好的对高光谱图像进行分析和定量化应用，需要对混合像元进行有效的分解，即高光谱解混。异常检测、分辨率增强、分类、目标识别等是当前对高光谱遥感信息处理的研究热点，而高光谱解混问题的有效解决为它们起到了很好的辅助作用。

如何进行有效的高光谱解混？传统的线性高光谱解混方法可以分为基于几何和基于统计的两类方法。在压缩感知和稀疏表示理论的不断发展过程中，稀疏表示框架已经被广泛用于图像的去噪，分类等领域。因而稀疏性约束被加入到高光谱解混模型中也成为一大研究热点。在现有的稀疏性高光谱解混模型中，主要分为两类：其一是基于非负矩阵分解的稀疏性高光谱解混方法、其二是基于光谱库的稀疏性高光谱解混方法。

基于已知光谱库的稀疏解混方法，目前已经取得了不少成果，然而由于解混的问题具有不适定性，如何利用有效的稀疏先验知识和正则化框架来提高解混精度是非常有必要的。本文将高光谱图像的局部空间相关性和全局协同稀疏性结合起来，提出一种基于协同稀疏和TV正则项的高光谱解混方法，称之为CLSUnSAL-TV。从该方法的流程图中可以看出，它既考虑高光谱图像相邻数据的局部相关性，又利用丰度系数的行稀疏特性，对丰度系数全局施加协同稀疏，从而提高解混精度。

基于协同稀疏和TV正则项的高光谱线性解混方法的流程图

引用格式：陈允杰, 葛魏东, 孙乐. 一种基于协同稀疏和全变差的高光谱线性解混方法. 自动化学报, 2018, 44(1): 116-128. 

链接：http://html.rhhz.net/ZDHXBZWB/html/2018-1-116.htm

作者简介：

陈允杰, 南京信息工程大学数学与统计学院教授. 2008 年获得南京理工大学模

式识别与智能系统博士学位. 主要研究方向为数值计算, 模式识别, 图像分析. E-mail: priestcyj@nuist.edu.cn

葛魏东, 南京信息工程大学硕士研究生.主要研究方向为高光谱遥感图像解混. E-mail: 15295748192@163.com

孙乐, 南京信息工程大学计算机与软件学院讲师. 2014 年获得南京理工大学模式识别与智能系统博士学位. 主要研究方向为高光谱遥感图像解混、分类和目标识别. 本文通信作者. E-mail: sunlecncom@163.com