空間中のハイパースペクトルデータは情報が過度に分散し、冗長性が多く、ノイズの影響を受けやすいため、特徴抽出が難しい。ハイパースペクトル画像の混合解消のロバストネスとスパース性を向上させるために、framelet変換に基づくハイパースペクトル画像のスペクトル加重スパース混合解消法を提案した。ハイパースペクトルスパース混合解消およびframelet変換法の理論知識を紹介し、framelet変換を用いてハイパースペクトル画像の混合解消をモデル化し、そのモデルに変換領域のスペクトル加重スパース正則化項を加え、framelet変換に基づくハイパースペクトル画像のスペクトル加重スパース混合解消モデルを提案した。最後に、交互方向乗数法を用いてモデルを解いた。実験結果は、信号対再構成誤差比（SRE）が12.4％～1045％向上し、豊度再構成精度（P_s）が16％の誤差内に保持されたことを示している。他の関連スパース混合解消法と比較して、本提案アルゴリズムは優れた耐ノイズ性とスパース性能を有し、より良い混合解消結果を得た。

ハイパースペクトルリモートセンシング;Framelet変換;スペクトル加重;スパース混合解消;交互方向乗数法