多層非負行列分解が高スペクトルリモートセンシング画像の空間-スペクトル特徴を十分に活用できず、また高スペクトル画像に広く存在するノイズ問題を踏まえ、本論文では新たな空間-スペクトル再重み付けを施した疎な多層非負行列分解による混合解法を提案する。まず部分空間クラスタリングアルゴリズムを用いて高スペクトル画像の空間特徴空間の重みを構築する。次に超ピクセル分割アルゴリズムで高スペクトル画像を超ピクセルに分割し、超ピクセル間の類似度を計算し、KMEANS++アルゴリズムを用いて超ピクセルをクラスタリングし、その後、超ピクセル内部でピクセルレベルの類似度を計算してスペクトル重みを構築する。空間重みとスペクトル重みを融合し、融合後の空間-スペクトル重みを用いて高スペクトル画像の空間-スペクトル情報を表現する。次にSUnSALアルゴリズムを用いて疎なノイズ低減重みを計算し、ノイズが混合解法性能に与える影響を効果的に低減できる。最後に<inline-formula><alternatives><math xmlns:mml="http://www.w3.org/1998/Math/MathML" id="M1"><msub><mrow><mi>L</mi></mrow><mrow><mfrac><mrow><mn mathvariant="normal">1</mn></mrow><mrow><mn mathvariant="normal">4</mn></mrow></mfrac></mrow></msub></math><graphic specific-use="big" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/29349215-BAB6-4328-845D-DDE0E9876A19-M001.jpg"/><?fx-imagestate width="3.04800010" height="3.38666677"?><graphic specific-use="small" xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="alternativeImage/29349215-BAB6-4328-845D-DDE0E9876A19-M001c.jpg"/><?fx-imagestate width="3.04800010" height="3.38666677"?></alternatives></inline-formula>ノルムでモデルのエンドメンバーとアバンダンスを制約し、モデルの混合解法性能を向上させる。5つの混合解法アルゴリズムの実験結果と比較した結果、提案アルゴリズムは合成データセットで計算された平均スペクトル角距離と二乗平均平方根誤差の両方で最良の結果を示し、Jasper RidgeおよびCupriteの2つの実データセットでも良好な混合結果を得た。提案アルゴリズムは各データセットでエンドメンバー推定誤差を1.49%～4.68％、アバンダンス推定誤差を1.83%～4.18%削減した。

高スペクトル画像混合解法;多層非負行列分解;空間-スペクトル重み;ノイズ低減;疎制約