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).pdfVIP

第54卷第5期红外与激光工程2025年5月

Vol.54No.5InfraredandLaserEngineeringMay2025

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

秦凯，郝予希，赵英俊，崔鑫，杨越超，朱玲，田青林

(核工业北京地质研究院铀资源探采与核遥感全国重点实验室，北京100029)

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

焦于构建物理可解释-数据自适应混合智能模型，重点突破先进模型创新、物理模型深度融合、复杂

场景适应性、计算效率优化等关键技术，有望将应用边界拓展至医学影像分析、农产品品质检测等新兴

领域，为高光谱解混技术体系发展提供理论支撑和应用指引。

关键词：高光谱；混合像元分解；深度学习；自编码；物理模型

中图分类号：TP751.1文献标志码：ADOI:10.3788/IRL

引用格式:QINKai,HAOYuxi,ZHAOYingjun,etal.Asurveyonhyperspectralremotesensingunmixingtechniquesbased

onautoencoders(innercoverpaper.invited)[Jj.InfraredandLaserEngineering,2025,54(5):

秦凯，郝予希，赵英俊，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]．红外与激光工程，2025,

54(5):

0引言元)及其相对含量，生成定量的地物丰度信息产品，为

遥感图像的深度解析与应用提供了一种重要的方法

高光谱遥感成像领域长期面临着一个棘手矛

与技术支撑。

盾一一传感器分辨率的物理极限与自然界地物复杂

高光谱遥感解混首要任务是依据高光谱图像所

多样性的冲突。这导致单一像元内往往融合了两个

或多个地物类型的信息，形成混合像元。若仅以单一蕴含的信息，精准判定每个混合像元由哪些端元混合

像元的综合信息为依据开展分析，势必引人较大误而成，以及混合的具体机制。为此，需构建光谱混合

差。为化解这一难题，亚像元级信息提取成为关键，模型以阐释混合机制，提取端元以明确混合地物类

而解混技术则是其中的核心技术。型，并基于混合机制与端元，计算各端元的丰度，进而

高光谱遥感解混技术的关键意义，在于其能够突深入分析端元的含量与空间分布特征。

破传统遥感图像分析的像元局限，深人至亚像元层面在众多解混技术中，深度学习相较于传统的物理

进行精准信息提取。高光谱解混可获取纯地物（端