ABSTRACT

Hyperspectral images have high spectral resolution but low spatial resolution, which results in a large number of mixed pixels. As an economical and effective means to improve image quality, the fusion of hyperspectral and multispectral data from different sensors can achieve the reconstruction of super-resolution images. As a representative of fusion method, coupled non-negative matrix factorization is an ill-posed problem, in which the number of endmembers was set to be no less than the groundtruth without requiring an accurate value. However, this often results in spectral shadows and spatial information redundancy, especially when the observed images are contaminated by noise. To address these problems above, this article incorporates sparse and low-rank regularization to reformulate a bi-convex fusion problem for the removal of shadows and noise, in which the logarithmic sum function is employed to suppress the small singular components of endmember and abundance matrices. Then, an efficient solver is designed to obtain the closed-form solutions via matrix-vector operators, in which the alternating direction method of multipliers is utilized to split the variables using equality constraints. The experimental results of real datasets demonstrate that the proposed fusion method can effectively enhance the quality of reconstructed super-resolution images especially in high-noise environments, which also verifies the validation of incorporated regularization.

摘要

高光谱图像光谱分辨率高，空间分辨率低，导致大量混合像素。作为一种经济有效的提高图像质量的手段，来自不同传感器的高光谱和多光谱数据的融合可以实现超分辨率图像的重建。作为融合方法的代表，耦合非负矩阵分解是一个不适定问题，其中端元数设置为不小于groundtruth而不需要精确值。然而，这通常会导致光谱阴影和空间信息冗余，尤其是当观察到的图像被噪声污染时。针对以上问题，本文结合稀疏和低秩正则化来重新制定双凸融合问题，以去除阴影和噪声，其中采用对数和函数来抑制端元矩阵和丰度矩阵的小奇异分量。然后，设计了一个高效的求解器，通过矩阵向量算子获得封闭形式的解，其中利用乘法器的交替方向方法使用等式约束对变量进行拆分。真实数据集的实验结果表明，所提出的融合方法可以有效地提高重建超分辨率图像的质量，尤其是在高噪声环境中，这也验证了合并正则化的有效性。其中采用对数和函数来抑制端元矩阵和丰度矩阵的小奇异分量。然后，设计了一个高效的求解器，通过矩阵向量算子获得封闭形式的解，其中利用乘法器的交替方向方法使用等式约束对变量进行拆分。真实数据集的实验结果表明，所提出的融合方法可以有效地提高重建超分辨率图像的质量，尤其是在高噪声环境中，这也验证了合并正则化的有效性。其中采用对数和函数来抑制端元矩阵和丰度矩阵的小奇异分量。然后，设计了一个高效的求解器，通过矩阵向量算子获得封闭形式的解，其中利用乘法器的交替方向方法使用等式约束对变量进行拆分。真实数据集的实验结果表明，所提出的融合方法可以有效地提高重建超分辨率图像的质量，尤其是在高噪声环境中，这也验证了合并正则化的有效性。其中乘法器的交替方向方法用于使用等式约束拆分变量。真实数据集的实验结果表明，所提出的融合方法可以有效地提高重建超分辨率图像的质量，尤其是在高噪声环境中，这也验证了合并正则化的有效性。其中乘法器的交替方向方法用于使用等式约束拆分变量。真实数据集的实验结果表明，所提出的融合方法可以有效地提高重建超分辨率图像的质量，尤其是在高噪声环境中，这也验证了合并正则化的有效性。