高スペクトルリモートセンシング画像の非線形混合問題に対して、多グラフ正則化マルチカーネル非負行列因子分解（MGMKNMF）アルゴリズムを提案した。マルチカーネル空間における多グラフ正則項を構築し、これに基づきマルチカーネル空間の多グラフ正則項、多カーネル重み正則項および多グラフ重み正則項を含むMGMKNMF目的関数を構築した。MGMKNMFはエンドメンバーとアバンダンスの学習過程でマルチカーネル重みと多グラフ重みを更新でき、適切なマルチカーネル空間で入力データのグラフを正確に構築し、グラフ重みとカーネル重みのパラメータ選択の問題を解決した。単一カーネルのカーネル非負行列因子分解（KNMF）と比較して、マルチカーネルはより適切なカーネル空間を決定でき、多グラフ正則化非負行列因子分解（GNMF）の単一グラフと比較して、多グラフの方がより正確で信頼性が高い。2つの実測データセットと2つのシミュレーションデータセットでの実験結果により、MGMKNMFアルゴリズムが有効であることが示された。GNMF、純粋なピクセルを含まないカーネル非負行列因子分解、カーネルスパース非負行列因子分解、カーネルベースの辞書プルーニング非線形スペクトル混合、多グラフ正則化カーネル非負行列因子分解アルゴリズムと比較して、提案したMGMKNMFアルゴリズムはCupriteおよびJasper Ridgeの実地物データセットで平均スペクトル角距離（SAD）値が最良であり、それぞれ0.0921および0.0970であった。HAPKEおよび一般化二次線形モデルのシミュレーションデータセットでも平均SADが最良であり、それぞれ0.1375および0.1456であり、二乗平均平方根誤差値も最良であり、それぞれ0.0506および0.0570であった。

混合分解;多グラフ正則化マルチカーネル非負行列因子分解;正則化;高スペクトル画像