考虑光谱信息和超像素分割的高光谱解混网络

在高光谱解混的过程中考虑影像的空间信息，能够有效提高解混精度。而超像素分割能够划分空间同质区域，为此本文提出一种考虑光谱信息和超像素分割的解混网络（SSUNet）。首先需对原始影像进行超像素分割处理，获得具有空间特征的超像素分割数据，然后采用SSUNet对原始高光谱数据和超像素分割数据进行训练和解混。在线性和非线性混合模型生成的模拟数据集和两个真实数据集上的实验表明，与SUnSAL、SUnSAL-TV、SCLRSU、MTAEU、EGU-Net-pw和1DCNN的解混结果相比，所提网络具有更高的解混精度和较好的鲁棒性。