Гиперспектральное разложение (HU) является ключевой технологией для решения задач смешанных пикселей и характеристики компонентов земного покрова. Несмотря на то, что глубокое разложение неотрицательной матрицы (DNMF) показывает отличные результаты в HU, существующие методы в основном сосредоточены на моделировании изобилия, игнорируя многоуровневое извлечение признаков эндемов и обладая недостаточной нелинейной представительной способностью, что ограничивает точность разложения. В этой статье предлагается глубокая NMF-структура с учетом уровневого анализа эндемов, вводящая межслойное ортогональное ограничение подпространства эндемов и динамическую регуляризацию разреженности для уточнения изобилия. Во-первых, многоуровневое разложение эндемов улучшает нелинейное представление спектра; во-вторых, разработан механизм ортогональности подпространств с минимальным расстоянием для повышения разделяемости эндемов, который совместно с динамической взвешенной стратегией разреженности улучшает пространственную согласованность оценки изобилия; наконец, построен двухэтапный иерархический алгоритм оптимизации с предварительной инициализацией и межслойной обратной оптимизацией. Эксперименты на двух синтетических и четырех реальных наборах данных показали, что метод достигает SAD в диапазоне от 0,0042 до 0,0782 и RMSE от 0,0140 до 0,0925 при разных отношениях сигнал-шум, превосходя сравниваемые методы на 1,42% – 5,64% и 1,87% – 6,48% соответственно, что подтверждает его точность и устойчивость.

гиперспектральное разложение; глубокое неотрицательное матричное разложение; различение эндемов; ортогональное ограничение; иерархическая разреженная регуляризация