다층 비음수 행렬 분해가 고광학 원격 감지 이미지의 공간-스펙트럼 특징을 충분히 활용하지 못하고 고광학 이미지에 널리 존재하는 잡음 문제를 해결하기 위해, 본 논문에서는 새로운 공간-스펙럼 재가중 희소 다층 비음수 행렬 분해 혼합 해석 알고리즘을 제안한다. 먼저, 부분공간 군집화를 통해 고광학 이미지의 공간 특징 공간 가중치를 구축한다. 다음으로, 초픽셀 분할 알고리즘을 사용하여 고광학 이미지를 초픽셀로 분할하고, 초픽셀 간 유사도를 계산하며, KMEANS++ 알고리즘을 사용해 초픽셀을 군집화한 후 초픽셀 내부에서 픽셀 수준 유사도를 계산하여 스펙트럼 가중치를 구축한다. 공간 가중치와 스펙트럼 가중치를 융합하여 융합된 공간-스펙트럼 가중치를 구축하고, 이는 고광학 이미지의 공간-스펙트럼 정보를 나타낸다. 이후 SUnSAL 알고리즘을 사용하여 희소 잡음 감소 가중치를 계산하여 잡음이 혼합 해석 성능에 미치는 영향을 효과적으로 감소시킬 수 있다. 마지막으로, <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> 노름을 사용하여 모델의 엔드멤버와 풍도를 제약하여 모델의 혼합 해석 성능을 향상시킨다. 다섯 가지 혼합 해석 알고리즘의 실험 결과와 비교한 결과, 제안된 알고리즘은 합성 데이터 세트에서 평균 스펙트럼 각 거리 및 평균 제곱근 오차가 가장 우수하며, Jasper Ridge와 Cuprite라는 두 실제 데이터 세트에서도 좋은 혼합 해석 결과를 얻었다. 제안된 알고리즘은 모든 데이터 세트에서 엔드멤버 추정 오차가 1.49%~4.68% 감소하고, 풍도 추정 오차가 1.83%~4.18% 감소하였다.

고광학 영상 혼합 해석; 다층 비음수 행렬 분해; 공간-스펙트럼 가중치; 잡음 감소; 희소 제약