一种用于高光谱解混的滑窗加权稀疏展开网络方法

本发明公开了一种用于高光谱解混的滑窗加权稀疏展开网络方法，包括：设计鲁棒的滑动窗口加权稀疏展开网络增强网络鲁棒性；利用迭代过程中真实端元与虚拟端元丰度分数的不同变化设计空间注意力实现自适应加权；利用深度学习的反向传播机制设计自适应全变差约束增强模型学习能力；利用将网络与滑窗算法相结合的方法使网络可以仅从窗口大小的图像碎片实现无监督学习；通过引入不同分布的训练集提高稀疏解混网络的性能。本发明将稀疏先验和深度展开技术相结合，融合了数学建模和数据驱动方法的优点，设计了基于加权稀疏展开网络以获得更加通用更加鲁棒的解混模型。