基于自编码的高光谱遥感解混技术研究综述（内封面文章·特邀）
摘要
高光谱解混技术通过将混合像元分解为端元及其对应丰度，实现亚像元级地物信息精准提取，是高光谱遥感分析领域的关键技术。基于自编码器的解混方法因其特征提取与数据重建等优势，成为近年研究焦点。文中从模型架构演进和与物理模型融合两个方面，系统梳理了该技术的发展脉络，揭示其创新路径与演进趋势。首先，通过三阶段框架说明技术进展：基础自编码网络验证了解混理论与深度学习的初步适配性；集成卷积、循环及Transformer模块的复合架构强化了光谱-空间联合建模能力；神经架构搜索与即插即用机制则推动动态优化自适应网络的形成。其次，物理模型与数据驱动方法的融合呈现递进特征：早期研究通过非负性、丰度和为一等约束条件建立物理联系，而当前方法通过将物理模型嵌入网络层或损失函数，实现物理机理与特征学习的深度耦合。最后，未来研究将聚焦于构建
引用本文（GB/T 7714）
秦凯 QIN Kai, 郝予希 HAO Yuxi, 赵英俊 ZHAO Yingjun, 等. 基于自编码的高光谱遥感解混技术研究综述（内封面文章·特邀）[J]. Infrared and Laser Engineering, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。