비국소 희소 비혼합화 기법을 이용한 하이퍼스펙트럴 원격 감지 이미지

희소 비혼합화는 관측된 이미지 서명이 미리 알려진 여러 순수 스펙트럴 서명의 선형 조합 형태로 표현될 수 있다고 가정함으로써 반지도 학습 비혼합 전략으로 작용하는 유망한 접근법입니다. 그러나 기존의 희소 비혼합화는 공간 정보를 고려하지 않고 매우 큰 표준 스펙트럴 라이브러리에서 관측된 데이터에 대한 최적의 서명 하위 집합을 찾는 것을 포함합니다. 본 논문에서는 하이퍼스펙트럴 원격 감지 이미지를 위한 비혼합 작업을 수행하기 위해 비국소 평균에 기반한 새로운 희소 비혼합 알고리즘, 즉 비국소 희소 비혼합화(NLSU)를 제안합니다. NLSU에서는 희소 비혼합을 위한 정규화 기법으로 비국소 평균 방법을 사용하여 풍부 이미지에서 유사한 패턴과 구조를 활용합니다. 희소 스펙트럴 비혼합 모델에 기반한 NLSU 알고리즘은 풍부 이미지의 모든 픽셀에 대한 가중 평균을 통해 비국소 공간 정보를 통합하여 스펙트럴 비혼합 정확도를 향상시킬 수 있습니다. 제안된 알고리즘의 성능을 평가하기 위해 세 가지 시뮬레이션된 하이퍼스펙트럴 이미지와 두 가지 실제 하이퍼스펙트럴 이미지로 다섯 개의 실험을 수행하였으며, 이전의 희소 비혼합 방법인 변수 분할과 확장 라그랑지안(SUnSAL) 및 변수 분할 확장 라그랑지안과 총 변동(SUnSAL-TV)과 비교하였습니다. 실험 결과는 NLSU가 다른 알고리즘보다 더 나은 스펙트럴 비혼합 정확도를 보이며 하이퍼스펙트럴 원격 감지 이미지에 대한 효과적인 스펙트럴 비혼합 알고리즘임을 보여줍니다.