高スペクトル混合解析（HU）は混合ピクセルの問題を解決し、土地被覆成分を特徴付けるための重要な技術です。深層非負行列因子分解（DNMF）はHUにおいて優れた性能を示していますが、既存の手法は主にアバンダンスのモデリングに焦点を当てており、エンドメンバーの多層特徴抽出を無視し、非線形表現能力が不十分であるため、混合解析の精度を制限しています。そこで本論文では、エンドメンバーレベル解析を目的とした深層NMFフレームワークを提案し、エンドメンバー部分空間の層間直交制約とアバンダンス精緻化のための動的疎正則化を導入します。まず、多層エンドメンバー分解によりスペクトルの非線形特徴表現を強化し、次に最小距離誘導の部分空間直交機構を設計してエンドメンバーの分離性を向上させ、動的重み付け疎性戦略と協調してアバンダンス推定の空間的一貫性を高めます。最後に、事前学習された粗い初期化と層間逆伝播による微調整をコアとした二段階の階層的最適化アルゴリズムを構築しました。2つの合成データセットと4つの実データセットで実験を行い、異なる信号対雑音比において本手法はSADが0.0042～0.0782、RMSEが0.0140～0.0925の範囲を達成し、比較手法に対してそれぞれ1.42％～5.64％、1.87％～6.48％優れていることが示され、その精度と頑健性が検証されました。

高スペクトル混合解析;深層非負行列因子分解;エンドメンバー識別;直交制約;階層的疎正則化