高光谱图像增强：基于光谱分解的融合算法

"本文提出了一种使用高分辨率多光谱图像增强高光谱图像分辨率的融合算法，基于光谱分解的高光谱图像分辨率增强技术。该方法利用高光谱图像的端成员表示的高光谱特性以及多光谱图像的丰度表示的高空间特性来重建高空间分辨率的高光谱图像。然而，由于最小二乘法的光谱分解限制，从多光谱图像中提取的端成员数量不能超过波段数，导致重构误差增大，影响增强图像的融合性能。为了解决这个问题，文章还引入了一种新的融合框架，通过将图像分割为多个子图像来提高基于光谱分解的融合算法的性能。实验结果表明，提出的融合算法在空间和光谱域上都优于其他知名融合技术。" 本文探讨了高光谱图像（HSI）与多光谱图像（MSI）融合的问题，目标是提升HSI的空间分辨率。HSI通常具有丰富的光谱信息但空间分辨率较低，而MSI则相反。基于光谱分解的方法试图通过HSI的端成员（表示HSI的基本物质成分）和MSI的丰度（各端成员的相对比例）来重建高空间分辨率的HSI。 在这个过程中，光谱分解是一个关键步骤，通常采用最小二乘法。然而，这种方法的一个限制是提取的端成员数量不能超过MSI的波段数，这可能导致HSI的重构误差增加，从而影响融合后的图像质量。为解决这一问题，作者提出了一种新的融合策略，即分块融合。通过将整个图像划分为若干个子图像，可以独立地对每个子图应用光谱分解和融合，这有助于减小重构误差并提高融合效果。 实验部分使用了HYDICE和AVIRIS两组数据集，验证了该方法的有效性。实验结果表明，提出的基于光谱分解的融合算法在保持光谱信息的同时显著提高了HSI的空间分辨率，且在空间和光谱性能方面均优于现有的融合技术，如主成分分析（PCA）、多分辨率分析（MRA）等。 这项研究提出了一种创新的HSI分辨率增强方法，它结合了多光谱图像的空间优势和高光谱图像的光谱优势，通过改进的融合策略克服了传统光谱分解的局限，为HSI处理提供了新的思路。对于遥感图像处理、环境监测、资源勘探等领域具有重要的应用价值。