高光谱分解是遥感图像开发的重要技术。 它的目的是将混合像素分解为光谱纯成分(称为末端成员)及其对应比例(称为分数丰度)的集合。 近年来,许多研究表明,仅使用光谱信息进行混合并不能将空间信息充分纳入遥感高光谱图像中,因为像素被视为孤立的实体,而没有考虑它们之间现有的局部相关性。 为了解决这个问题,已经开发了几种空间预处理方法以将空间信息包括在频谱解混过程中。 在本文中,我们提出了一种新的空间预处理方法。与现有方法相比,该方法具有一些优势。 所提出的方法源自简单线性迭代聚类(SLIC)方法,该方法将聚类的全局搜索范围调整为局部区域。 结果,在聚类步骤中固有地并入了空间相关性和光谱相似性,这导致聚类过程的O(N)计算复杂度,其中N是图像中的像素数。 首先,通过同时使用空间和光谱信息来迭代执行区域聚类。 获得的结果是一组聚类分区,它们既显示光谱相似性又显示空间相关性。 然后,对于每个分区,我们选择具有高光谱纯度的候选像素子集。 最后,将获得的候选像素聚集在一起,并馈入基于光谱的端成员提取方法,以提取最终端成员及其对应的分数丰度。 我们新开发的方法自然地整合了空间和光谱信息,以保留最相关的.en