生成对抗网络的无监督高光谱解混

作     者：靳淇文 马泳 樊凡 黄珺 李皞 梅晓光 JIN Qiwen;MA Yong;FAN Fan;HUANG Jun;LI Hao;MEI Xiaoguang

作者机构：武汉大学电子信息学院武汉430072 武汉大学宇航科学与技术研究院武汉430079 武汉轻工大学数学与计算机科学学院武汉430023 

出 版 物：《遥感学报》 (NATIONAL REMOTE SENSING BULLETIN)

年 卷 期：2023年第27卷第8期

页      面：1964-1974页

核心收录：

学科分类：0710[理学-生物学] 07[理学] 0708[理学-地球物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(编号:61903279) 湖北省自然科学基金(编号:2019CFB162,2018CFA006)。 

主　　题：遥感 高光谱解混 深度学习 对抗自编码器 高光谱图像 

摘      要：近年来,基于深度学习中自编码器(AE)的方法在无监督的高光谱解混中受到了广泛的关注。由于AE的学习过程可以表述为通过训练找出一组低维的隐藏层(丰度),并用其对应的权重(端元)进行组合来减少重构误差,因而这种框架被广泛迁移并应用于高光谱的解混算法之中。然而,现有基于AE的框架虽然能有效地处理无监督的解混场景,却都存在着对噪声和初始化条件不鲁棒的问题,且解混精度也有待进一步提升。针对以上问题本文提出了一种全新的基于对抗性自编码网络(AAE)的无监督解混网络框架。首先,在网络的生成器中根据丰度和为一(ASC)及非负性(ANC)的物理意义,设计了一个基于AE的端到端解混框架。然后,在网络的判决器中本文采用初始化的丰度图作为真实值,将生成器的隐藏层(丰度)与初始化的丰度进行对抗训练,在重构误差与对抗误差的同步优化中提升框架解混性能。与传统的AE方法相比,该方法通过引入对抗性过程,在判决器中加入丰度的先验知识,可以大大提高框架的性能和鲁棒性。仿真和真实的高光谱数据的实验表明,该算法较现有方法相比具有更高的解混精度。