高次元スペクトルのスパース回帰による共同非混合

スパース非混合は、混合ピクセルを特定するためのフレームワークとして、高次元画像に最近導入されました。これは、観測された画像の署名が事前に知られている複数の純粋なスペクトル署名の線形結合の形で表現できると仮定します（例：フィールドスペクトロラジオメーターによって地上で収集されたスペクトル）。非混合は、シーン内の各混合ピクセルを最もよくモデル化できるように、非常に大きなスペクトルライブラリから署名の最適なサブセットを見つけることに他なりません。本論文では、非常に大きなライブラリから現実の画像に存在する通常の非常に少ないエンドメンバーを利用する最近導入されたスパース非混合手法の改良を示します。具体的には、データセット内のすべてのピクセルに同時にスパース性を強制する共同（「マルチタスク」または「同時」）スパース回帰フレームワークを採用し、非混合結果を改善します。合成および実際の高次元データセットを用いた実験結果は、新しい共同スパース回帰戦略を使用することによって得られた利点を明確に示しています。