關(guān)鍵詞：豐度估計(jì) clr 變化信息 稀疏低秩 admm 

摘要：豐度估計(jì)(AE)是從高光譜圖像中識(shí)別地物的關(guān)鍵預(yù)處理技術(shù)。由于線性模型的可解釋性以及數(shù)學(xué)上的可操作性,基于該模型的線性回歸技術(shù)CLR(Constrained Linear Regression)在豐度估計(jì)中受到了廣泛關(guān)注。目前,該方法僅僅考慮到了估計(jì)數(shù)據(jù)與被估計(jì)數(shù)據(jù)之間的能量相似性,沒(méi)有考慮數(shù)據(jù)內(nèi)部的變化信息之間的相似性,比如一階梯度之間的相似性以及二階梯度之間的相似性。為了提高豐度估計(jì)精度,本文提出了融合數(shù)據(jù)內(nèi)部變化信息的稀疏低秩豐度估計(jì)算法。首先通過(guò)增加一階梯度和二階梯度的約束項(xiàng)改進(jìn)傳統(tǒng)的豐度估計(jì)的數(shù)學(xué)模型。其次,通過(guò)采用范數(shù)不等式和優(yōu)化理論證明了在約束條件下,該模型的有效性及該模型在相關(guān)領(lǐng)域的可拓展性。接著,采用輔助變量將改進(jìn)的數(shù)學(xué)模型變?yōu)樵鰪?qiáng)拉格朗日函數(shù)。最后,采用交替雙向乘子技術(shù)ADMM(Altemating Direction Method of Multipliers)求解該模型并估計(jì)高光譜圖像的豐度。經(jīng)仿真實(shí)驗(yàn)和實(shí)際高光譜圖像的實(shí)驗(yàn)證明該方法能夠改善仿真數(shù)據(jù)和實(shí)際高光譜數(shù)據(jù)的豐度估計(jì)的效果,特別是當(dāng)端元的豐度存在豐富的變化細(xì)節(jié)時(shí),豐度估計(jì)的精度和抗噪性能均優(yōu)于當(dāng)前較流行的豐度估計(jì)算法。

遙感學(xué)報(bào)雜志要求:

{1}如果來(lái)稿為科研項(xiàng)目成果，請(qǐng)?jiān)谡臉?biāo)題后打※ 號(hào)，用頁(yè)注的方式提供項(xiàng)目名稱以及項(xiàng)目號(hào)。

{2}稿件中的漢字一般使用簡(jiǎn)化字形（因字形分析或有別義需要的繁體字、異體字除外）。

{3}文題：應(yīng)以簡(jiǎn)明、確切的詞語(yǔ)反映文章中最特定的內(nèi)容，避免使用非公知、公認(rèn)的縮寫(xiě)詞。文題一般不超過(guò)20字，必要時(shí)可加副標(biāo)題。

{4}關(guān)鍵詞：必須是意義明確的術(shù)語(yǔ)，一般應(yīng)選取3～5個(gè)能準(zhǔn)確反映研究方向、研究領(lǐng)域及研究地點(diǎn)的詞。詞與詞之間用分號(hào)“；”分隔。

{5}來(lái)稿請(qǐng)注明真實(shí)姓名、工作單位、職稱、詳細(xì)通訊地址和郵政編碼（若有變更請(qǐng)及時(shí)通知）、電子郵箱、電話和傳真號(hào)碼，以便聯(lián)絡(luò)。

注：因版權(quán)方要求，不能公開(kāi)全文，如需全文，請(qǐng)咨詢雜志社