A General Framework for Group Sparsity in Hyperspectral Unmixing Using Endmember Bundles

要約

空間分解能が低いため、ハイパースペクトルデータは、多くの場合、複数の材料からの寄与の混合で構成されています。
この制限は、ハイパースペクトルイメージングの根本的な問題であるハイパースペクトルアンミックス（HU）のタスクを動機付けます。
Huは、観察されたシーンに存在する材料のスペクトル署名（\ textit {endmembers}）を、各ピクセルの相対的な割合（\ textit {fractional vundance}）を識別することを目指しています。
従来の線形混合モデルで想定されるように、単一のスペクトル署名による正確な表現を妨げる材料のクラスの変動性に大きな課題があります。
さらに、この問題に対処するために、各グループが特定の材料に対応するエンドメンバーバンドルとして知られるスペクトルシグネチャのセットを持つ各素材を表現した後、グループスパースを使用することを提案します。
特に、豊富な係数でグループ内およびグループ全体（SWAG）内およびスパースのいずれかを実施できるバンドルベースのフレームワークを開発します。
さらに、私たちのフレームワークは、さまざまなスパースを促進するペナルティを組み込む柔軟性を提供します。その中で、変換された$ \ ELL_1 $（TL1）ペナルティは、HU文献の新しい正規化です。
合成および実際のハイパースペクトルデータの両方で行われた広範な実験は、提案されたアプローチの有効性と優位性を示しています。

要約(オリジナル)

Due to low spatial resolution, hyperspectral data often consists of mixtures of contributions from multiple materials. This limitation motivates the task of hyperspectral unmixing (HU), a fundamental problem in hyperspectral imaging. HU aims to identify the spectral signatures (\textit{endmembers}) of the materials present in an observed scene, along with their relative proportions (\textit{fractional abundance}) in each pixel. A major challenge lies in the class variability in materials, which hinders accurate representation by a single spectral signature, as assumed in the conventional linear mixing model. Moreover, To address this issue, we propose using group sparsity after representing each material with a set of spectral signatures, known as endmember bundles, where each group corresponds to a specific material. In particular, we develop a bundle-based framework that can enforce either inter-group sparsity or sparsity within and across groups (SWAG) on the abundance coefficients. Furthermore, our framework offers the flexibility to incorporate a variety of sparsity-promoting penalties, among which the transformed $\ell_1$ (TL1) penalty is a novel regularization in the HU literature. Extensive experiments conducted on both synthetic and real hyperspectral data demonstrate the effectiveness and superiority of the proposed approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google