[论文解读] Hyperspectral Unmixing via Deep Autoencoder Networks for a Generalized Linear-Mixture/Nonlinear-Fluctuation Model

Min Zhao, Mou Wang+2 more|arXiv (Cornell University)|Apr 30, 2019

Remote-Sensing Image Classification参考文献 36被引用 13

一句话总结

该论文提出了一种基于深度自编码器的无监督非线性光谱解混方法，适用于广义线性混合/非线性波动模型，利用深度神经网络的通用近似能力，直接从高光谱数据中学习复杂的非线性关系。该方法在合成数据和真实世界数据集（包括Jasper Ridge和Urban）上均实现了最先进的重建误差，其精度和空间一致性优于现有方法。

ABSTRACT

Spectral unmixing is an important task in hyperspectral image processing for separating the mixed spectral data pertaining to various materials observed individual pixels. Recently, nonlinear spectral unmixing has received particular attention because a linear mixture is not appropriate under many conditions. However, existing nonlinear unmixing approaches are often based on specific assumptions regarding the inherent nonlinearity, and they can be ineffective when applied to conditions deviating from the original assumptions. Therefore, these approaches are not well suited to scenes with unknown nonlinearity characteristics. This paper presents an unsupervised nonlinear spectral unmixing method based on a deep autoencoder network that applies to a generalized linear-mixture/nonlinear fluctuation model, consisting of a linear mixture component and an additive nonlinear mixture component that depends on both endmembers and abundances. The proposed approach benefits from the universal modeling ability of deep neural networks to learn the inherent nonlinearity of the nonlinear mixture component from the data itself via the autoencoder network, rather than relying on an assumed form. Extensive experiments with numerically synthetic, labeled laboratory-created data and real airborne data, illustrate the generality and effectiveness of this approach compared with state-of-the-art methods.

研究动机与目标

• 解决现有非线性解混方法依赖于对非线性形式的特定假设所带来的局限性，这些假设会限制在具有未知或复杂非线性效应场景下的性能。
• 开发一种无监督深度学习框架，能够直接从数据中学习固有的非线性混合成分，而无需事先了解非线性结构。
• 通过将高光谱数据建模为线性混合与加性非线性波动成分的组合，提升光谱解混的精度。
• 提供一种具有物理可解释性的深度自编码器架构，能够分离端元和丰度分数，同时捕捉复杂的光子相互作用。
• 在合成数据和真实高光谱数据集（包括标记的实验室创建数据）上验证该方法的鲁棒性和泛化能力。

提出的方法

• 该方法采用一种特定架构的深度自编码器网络，旨在将高光谱数据分解为端元的线性混合与加性非线性波动成分的组合。
• 自编码器通过端到端训练以最小化重建误差，使用如下目标函数：$ \text{RE} = \sqrt{ \frac{1}{NR} \sum_{i=1}^{N} \| \mathbf{x}_i - \widehat{\mathbf{x}}_i \|_2 } $，其中 $ \mathbf{x}_i $ 为真实像素光谱，$ \widehat{\mathbf{x}}_i $ 为重建光谱。
• 编码器学习提取端元和丰度分数，而解码器通过组合线性和非线性成分来重建原始光谱。
• 通过结合光谱重建损失和正则化项（包括 $ \lambda $ 和 $ \gamma $）进行模型训练，以稳定训练过程并提升泛化能力。
• 该方法应用于合成数据和真实数据集（Jasper Ridge 和 Urban），所有实验采用一致的超参数设置，以确保公平比较。
• 空间上下文通过网络架构隐式捕捉，未来工作计划显式集成3D-CNN以增强空间相关性建模。

实验结果

研究问题

• RQ1 深度自编码器是否能够在不预先假设非线性形式的前提下，有效学习高光谱数据中的非线性波动成分？
• RQ2 所提出的基于自编码器的解混方法在重建精度和空间一致性方面，与现有最先进非线性解混技术相比表现如何？
• RQ3 该方法在具有未知或复杂非线性混合效应的真实世界高光谱数据上，其泛化能力达到何种程度？
• RQ4 在存在非线性混合的情况下，自编码器架构是否能提供端元和丰度的物理解释性分解？
• RQ5 引入广义线性混合/非线性波动模型相较于标准线性模型或特定非线性模型，如何提升解混性能？

主要发现

• 在Jasper Ridge数据集上，所提方法实现了最低的重建误差（RE = 0.0111），优于VCA-K-Hype（0.0128）、NUSAL（0.0114）和SAE（0.0937）。
• 在Urban数据集上，该方法记录了最低的RE（0.0113），优于VCA-MLM（0.0139）、N-FINDR-NDU（0.0241）和SAE（0.0154）。
• 丰度图的视觉分析显示，所提方法产生的结果更加平滑、清晰且空间一致性更强，优于对比方法。
• 非线性成分的能量图显示，该方法能准确地定位植被区域和边界区域的非线性效应，其保真度高于其他方法。
• 该方法在标记的实验室创建数据上表现出强大的泛化能力，证实其能够在无先验假设的情况下学习复杂的非线性关系。
• 重建误差图表明，该方法最小化了平均误差和空间方差，表明其具有鲁棒且稳定的表现。