Devido à dispersão excessiva de informações, alta redundância e susceptibilidade ao ruído nos dados hiperespectrais no espaço aéreo, a extração de características é difícil. Para melhorar a robustez e a esparsidade da desmistura hiperespectral, foi proposta uma metodologia de desmistura esparsa ponderada espectralmente baseada na transformação framelet para imagens hiperespectrais. Foram introduzidos os conhecimentos teóricos sobre desmistura esparsa hiperespectral e o método de transformação framelet, em seguida foi modelada a desmistura de imagens hiperespectrais utilizando a transformação framelet, adicionando um termo regularizador esparso ponderado espectralmente no domínio da transformação, propondo um modelo de desmistura esparsa ponderada espectralmente baseado em transformação framelet para imagens hiperespectrais. Finalmente, o modelo foi resolvido utilizando o método do multiplicador de direção alternada. Os resultados experimentais mostram: aumento da taxa sinal-para-erro de reconstrução (SRE) entre 12,4% e 1045%, com a precisão da reconstrução de abundância (P_s) mantida dentro de um erro de 16%. Em comparação com outros métodos relacionados de desmistura esparsa, o algoritmo proposto possui boa resistência ao ruído e desempenho esparso, obtendo melhores resultados de desmistura.

sensoriamento remoto hiperespectral;transformação framelet;ponderação espectral;desmistura esparsa;método do multiplicador de direção alternada