中文摘要：

高光谱解混是高光谱遥感图像分类、目标识别、异常检测、分辨率增强等后续分析和定量化应用的关键。高光谱解混问题具有不适定性，可以利用正则化理论框架来解决，其效果在很大程度上取决于先验信息的选取。现有的高光谱解混方法主要利用丰度系数的"和为一性"和"非负性"先验来设计解混模型，其精确性和算法的稳定性有待提高。本项目研究基于"空谱联合稀疏性"的高光谱解混理论与算法，主要内容包括联合空间维和光谱维信息充分挖掘高光谱图像的稀疏性先验，研究稀疏性约束的高光谱解混模型，提出面向实时应用的高光谱解混分布式并行优化算法。项目形成一套基于"空谱联合稀疏性"的高光谱解混新方法，为提高高光谱遥感信息处理和定量解译的精度奠定基础，并将推动高光谱遥感在对地观测、深空探测领域的实际应用，具有十分广阔的应用前景。

结论摘要：

高光谱解混是遥感信息处理领域的研究热点。由于高光谱成像仪的空间分辨率限制和观测场景的复杂多样性，高光谱遥感图像存在混合像元现象，对目标分类识别等后续处理和定量化应用的精度产生很大的影响。本项目首先基于信号压缩感知和稀疏表示理论，联合空间维和光谱维信息深入分析高光谱图像的结构化稀疏性先验，创新性地提出了l1-l2联合稀疏性约束的非负矩阵分解解混模型、基于迭代加权l1的稀疏性解混方法、基于光谱库的l1/2正则化稀疏回归解混模型和算法，有效提高了高光谱解混的精度和稳定性。其次，针对海量高光谱数据高效处理应用需求，结合CPU-GPU异构混合执行模式，充分利用CPU的逻辑控制能力和GPU 的紧密度高性能并行计算能力，设计了多层次的存储与I/O优化策略，基于CUDA架构建立通用并行映射模型和合理数据划分，设计实现了高光谱图像稀疏性解混的高效并行优化算法，有效提升了数据处理效率。同时，本项目将稀疏性高光谱解混研究成果拓展应用于高光谱图像分类中，提出了一系列联合空谱上下文信息的高光谱图像稀疏性分类方法。项目最终形成了一套基于空谱联合稀疏性的高光谱图像解混新方法，开发了相应的软件系统，并利用实际高光谱数据实验验证了项目研究成果的有效性。相关成果在环境监测、农业生产、地质勘探、军事探测、城市规划等领域具有广阔的应用前景。