LBNet: Linearized Bregman algorithm-based deep unfolding network for hyperspectral image unmixing

Han, Guo-Liang

doi:10.1016/j.sigpro.2026.110714

LBNet: Linearized Bregman algorithm-based deep unfolding network for hyperspectral image unmixing

2026-09-29

1

PRE

AI

DOI：10.1016/j.sigpro.2026.110714

原文链接

原文求助

摘要

En 中文

高光谱图像解混对于遥感中的材料识别至关重要，但其面临一个根本性困境：基于模型的方法可解释但对手工优化的敏感，而深度学习方法适应性强但往往缺乏透明度。为弥合这一差距，我们提出了一种基于线性化Bregman算法的深度展开网络（LBNet）用于盲解混。LBNet独特地融合了线性化Bregman算法（LBA）的可解释性与数据驱动学习的适应性。我们的工作做出了三项关键贡献。首先，我们开发了一种改进的线性化Bregman算法用于盲解混（ILBA-BU），该算法能够在LBA框架内实现端元矩阵和丰度矩阵的交替与联合更新，将传统LBA从稀疏向量恢复扩展到盲高光谱解混问题。其次，通过将ILBA-BU展开为深度网络，我们设计了包含两个可解释的交替子模块（EndNet和AbuNet）的LBNet。第三，我们引入了一种新颖的加权重建损失，优先考虑关键光谱波段。在合成和真实世界数据集上的实验结果表明，LBNet在端元估计方面优于多项最新方法，在丰度估计方面具有竞争力。代码可在https://github.com/glianghan/LBNet/tree/main获取。

Keyword:

Hyperspectral image unmixing

Linearized Bregman algorithm

Deep unfolding

Endmember extraction

LBNet: Linearized Bregman algorithm-based deep unfolding network for hyperspectral image unmixing

摘要

期刊

机构

引用论文