针对基于卷积自编码进行空-谱联合的高光谱解混方法中，过度引入像元光谱之间的空间相关性导致丰度过于平滑的现象，提出一种结合注意力机制的双流卷积自编码高光谱解混方法（DSCU-Net）。首先，利用双流卷积网络分别提取高光谱图像的空间特征和光谱特征；其次，为了确保空间特征和光谱特征之间的平衡性，引入通道注意力机制对提取到的空间特征进行重加权，并对光谱特征和重加权后的空间特征进行融合；最后，使用融合后的特征进行高光谱图像重构，并将重构结果送入解混网络的主干网络中进行光谱解混。通过最小化两次重构误差进行解混网络的训练。为了验证所提方法的性能，在两个真实数据集上进行实验，并对复杂场景下算法的性能表现进行分析。结果表明，DSCU-Net能够有效减少过度引入空间相关性造成丰度过于平滑的现象，具有更好的解混性能。

高光谱检测是物质定性识别的重要手段, 光谱解混是高光谱分析识别的关键。 针对化合物或矿物混合光谱分析不准确的问题, 采用非负矩阵分解（NMF）盲源解混方法, 建立了一种基于加权NMF高光谱反射曲线的盲源解混分离方法, 用于矿物混合后高光谱的分解与识别。 假设混合光谱模型是多种组分光谱按比例组合的线性方程, 该算法以混合光谱与组分光谱基向量光谱角余弦值为初始权, 采用最小欧氏距离和重加权稀疏约束来建立组合条件从而促进解混矩阵的稀疏性, 开展方程的NMF约束迭代计算, 最终分解出矿物混合光谱的源光谱基向量和丰度矩阵。 选取化学纯的氧化铜和氧化亚铜、 碱式碳酸铜和氢氧化铜、 孔雀石和蓝铜矿三类混合物的高光谱曲线为试验对象, 经过均值化和白化等数据预处理后, 进行基于加权NMF高光谱反射曲线的盲源解混试验, 并以解混性能指数、 光谱均方根误差和光谱角距离为评价指标分析算法的解混效果。 结果表明, NMF解混方法的盲源解混效果十分明显, 在未知混合光谱先验条件基础上, 可以准确分离出源光谱特征, 样本分离精度均小于0.15。 解混后光谱与源光谱的曲线整体变化趋势相同, 保持了源光谱相似的吸收位置和吸收峰, 但是对应吸收位置存在微小偏移, 解混后光谱与源光谱在反射率数值上存在明显的差异。 对混合光谱数据加入5%～15%的高斯噪声后, 再进行基于加权NMF解混处理。 发现混合光谱解混分离的精度随着噪声增大只有微小减小, 解混后光谱角距离以及均方根误差并未发生明显的变化, 说明NMF解混算法具有较好抗噪性能, 对实测非纯物质光谱解混具有一定适用性, 可以作为矿物混合后组分识别与分离鉴定的基础方法。

传统非负矩阵分解（NMF）应用于高光谱解混时，容易受到椒盐噪声的干扰，造成解混的失败。以往的稀疏解混需要在涉及信息比较分散且易受噪声影响的空间域中寻找最优特征子集。为了解决这些问题，提出了基于空谱约束的加权稀疏柯西非负矩阵分解（SSCNMF）算法，首先采用基于柯西损失函数的NMF模型，其在抑制极端异常值方面，有着良好的鲁棒性。其次，引入自适应稀疏权重因子，提高了丰度矩阵的稀疏性。同时，加入光谱空间约束项，其中光谱因子用于测量不同光谱之间的丰度稀疏度，空间因子利用了丰度空间域的平滑性，提高了数据特征的提取效率。分别对模拟数据集和真实数据集进行了仿真实验，通过与一些经典高光谱解混算法的对比，验证了SSCNMF算法的有效性和优良的抗噪声性能。

岩石定量遥感是矿产资源探测与地质环境监测的主要手段, 光谱解混是岩矿定量遥感的重要方法。 在实际应用中, 由于卫星对地观测受地形起伏的影响, 观测具有一定的角度, 导致所测发射率光谱产生变异。 但在目前的研究中, 解混所采用的矿物端元光谱, 是在实验室垂直试样表面观测得到的, 忽略了观测角度对发射率光谱的影响, 降低了光谱解混精度。 因此, 有必要将观测角度作为影响岩石光谱解混的因素, 研究其对光谱解混精度的影响。 首先, 将常见的石英、 正长石和斜长石矿物表面制作成一般粗糙度, 并设计0°~77°共9个观测角度实测发射率光谱, 分析观测角度对矿物热红外光谱特征的影响。 其次, 利用观测角度13°~77°的矿物端元, 构建相应角度虚拟岩石光谱, 并用0°的矿物端元光谱解混9个观测角度的岩石光谱, 分析观测角度对岩石热红外光谱解混的影响。 结果表明: (1）在0°~20°范围, 观测角度对光谱影响较弱, 从30°开始, 影响显著。 基本规律是: 随着角度的增加, 光谱吸收深度增加, 但各波段处的情况不尽相同。 CF特征在观测角度大于50°之后向短波方向移动明显; RF特征处的吸收谷在观测角度大于20°之后显著加深, 且谷底位置向短波方向移动; TF特征在观测角度大于40°之后发射率显著降低。 表明观测角度的变化, 会引起光谱特征的明显变化。 (2）在0°~20°范围内, 观测角度对光谱解混影响不明显, 解混误差小于5%; 当观测角度大于20°时, 观测角度对光谱解混有显著影响, 30°~77°解混误差均大于5%, 平均解混误差达到17.2%, 解混精度较低。 这表明, 在基于光谱解混方法进行岩石矿物组分定量反演时, 需要考虑观测角度的影响, 这对于提高反演精度、 准确确定岩石类型具有重要意义。

高光谱解混的目的在于提取图像中的端元特征和丰度特征。由于高光谱图像空间分辨率低而存在大量混合像元,因此如何从混合像元中提取光谱特征和空间分布信息是高光谱解混面临的难题。基于非负矩阵分解的高光谱解混是一个不适定拟合问题,而且在处理过程中将立方体数据转化为矩阵会导致三维结构信息的丢失。利用最小体积单纯形空间稀疏性,提出一种基于最小体积稀疏正则的高光谱解混方法,能够挖掘出图像中光谱特性和丰度特征的内在关系,减少结构信息的丢失。将凸几何中的最小体积约束与非负矩阵分解相结合,并采用近似交替优化与交替方向乘子法设计出高效的求解算法。最后分别采用合成数据和真实数据进行仿真实验,结果表明该种算法能够有效地提取出高光谱图像的端元特征和丰度特征。

传统拉曼光谱分析技术在对容器内未知样品进行检测时极易受到容器壁的荧光和拉曼散射干扰, 其商业应用往往仅限于透明塑料或玻璃包装的情况。 由于光子在介质内部的迁移方向具有随机性, 与表层相比内部深层处产生的拉曼散射光子在扩散过程中更易于横向迁移, 因此偏离激光入射点不同距离的拉曼光谱包含了不同深度层的拉曼光谱信息。 空间偏移拉曼光谱技术通过将拉曼光收集点偏离激光入射点, 能够抑制容器壁的荧光和拉曼散射干扰, 从而实现对有色、 不透明包装内样品的有效检测。 通过设计搭建了空间偏移拉曼光谱实验装置, 实现-1.0~10.0 mm偏移距离的可调节。 使用青色、 不透明的1 mm厚PMMA平板来模拟容器壁, 使用碳酸钙（CaCO3）粉末作为内部待测样品。 分别采用传统方式（零偏移）和空间偏移方式对容器内样品进行测量。 对采集的原始光谱首先进行平均和7阶多项式拟合去除基线（荧光）, 然后以3个最大特征峰的平均值作为光谱强度的评价指标, 对空间偏移拉曼光谱信号随偏移距离的变化规律进行分析, 发现： 随着空间偏移距离的增大, 容器壁的拉曼散射强度快速下降, 而内部样品的拉曼散射强度先上升后缓慢下降； 对于均匀厚度、 各向同性的样品, 变化趋势关于零偏移两侧对称, 此外光束的斜入射会引起轻微的不对称； 在某个偏移距离处样品与容器壁的光谱强度比值达到最大值, 存在最优探测偏移距离, 对于此次样品其最优偏移距离为1.2 mm。 在容器和样品材质未知的情况下, 采用比例相减的方法仍可以得到各层干净的拉曼光谱, 通过对零偏移和最优偏移处的光谱进行计算, 分别得到容器壁和内部样品干净的拉曼光谱, 实现对内部样品的有效检测。 研究结果在一定程度上证明了空间偏移拉曼光谱技术在不透明、 有色容器内样品的检测方面的潜力, 为进一步研究空间偏移拉曼光谱技术及数据处理方法提供基础。

针对高光谱图像像元中端元物质非线性混合的特点, 借鉴生物群智能现象, 提出一种基于双鸟群优化的高光谱图像非线性解混算法。为进一步提高非线性解混算法的精度, 通过模拟鸟群中觅食、警惕以及飞行等行为得到非线性问题的最优解。算法通过双鸟群的迭代优化来交替更新目标函数中的最优解以及非线性模型参数, 最终得到高光谱图像端元丰度的最佳估计。仿真实验和光谱数据实验结果表明: 双鸟群优化算法迭代收敛, 能克服局部最小值问题; 相比于同类算法, 该算法解混结果的丰度重建误差、平均光谱角距离和像元重建误差3项指标均较小, 该算法解混精度高, 像元重构效果好, 能有效提高高光谱图像非线性解混的精度。

在高阶非线性混合模型的基础上，提出一种多目标高光谱图像解混算法，解决传统方法受高光谱数据异常值影响而解混精度不高的问题。该算法以重构误差与光谱角分布为目标函数建立优化模型，并同时优化两目标函数以减少数据异常值对模型求解的影响，使解混结果在两个评价指标上得到提升; 最后采用差分搜索算法求解多目标优化模型，解决梯度类优化方法易陷入局部极值的问题，从而进一步提升解混精度。实验结果表明，文中算法与传统高光谱解混算法相比，具有更精确的端元丰度估计结果和更高的解混精度。