技术摘要：物理引导的体制解混（PGRU）

问题陈述

高光谱成像捕获数百个波段的地表反射率，从而支持农业、地质和环境监测等领域的应用中的材料表征。然而，由于相对于地表异质性而言空间分辨率较粗，单个像素往往包含来自多种材料的混合光谱响应。光谱解混旨在恢复纯净的材料特征（端元）及其丰度分数。

线性混合模型（LMM）因其简单性和物理可解释性而成为标准方法。然而，LMM 假设光子在到达传感器前仅与单一材料相互作用，这一假设在多重散射条件下失效。虽然广义双线性模型（GBM）、后非线性混合模型（PPNM）和 Hapke 辐射传输模型等非线性扩展解决了这一问题，但它们通常在整个场景上统一应用非线性。这种统一应用无法区分哪些特定像素需要非线性处理，往往导致性能次优。相反，深度学习方法（如自动编码器）虽能实现强大的重构，但作为“黑箱”运行，无法为体制选择或非线性激活的条件提供物理解释。

方法论

作者提出了物理引导的体制解混（PGRU），这是一个估计像素级标量 $\xi_i \in [0, 1]$ 的框架，仅在物理上合理的位置激活非线性混合。与以往方法不同，PGRU 不需要标注数据来指示像素是线性的还是非线性的；相反，体制分配源于重构改进与物理特征一致性之间的相互作用。

模型公式化

每个像素 $i$ 的重构如下：
$$\hat{y}_i = S_{lin,i} + \xi_i \delta_{nl,i}$$
其中：

• $S_{lin,i}$ 是标准的 LMM 分量（非负丰度之和为一）。
• $\delta_{nl,i}$ 是非线性残差。
• $\xi_i$ 充当开关：$\xi_i \approx 0$ 将模型简化为 LMM，而 $\xi_i \approx 1$ 则完全激活非线性贡献。

非线性残差构建

残差 $\delta_{nl,i}$ 是三个物理模型残差的加权组合：
$$\delta_{nl,i} = \sum_{k} \alpha_{ik} \delta_{ik}$$
权重 $\alpha_{ik}$ 是通过温度控制的 softmax 获得的 learned 注意力系数，结合了：

1. GBM：捕获端元之间的成对散射。
2. PPNM：在线性混合之上引入二次畸变。
3. Hapke：基于辐射传输理论描述多重散射。
   对 $\alpha_{ik}$ 的熵正则化鼓励在每个像素处向主导物理机制集中。

物理引导的体制估计

核心创新在于 $\xi_i$ 由可观测的场景属性引导，而非仅由重构误差决定。其计算如下：
$$\xi_i = \sigma \left( \sum_{k} w_k F_{ik} + b \right)$$
其中：

• $F_{ik}$ 代表像素 $i$ 的物理和几何特征（光谱曲率、NDVI、NDVI 梯度、EMP、DMP、LBP）。
• $w_k$ 是学习到的权重。
• $\sigma$ 是 sigmoid 函数。
  该公式等价于特征空间上的逻辑回归，使得体制决策可解释为特征贡献的可读总和。

目标函数

模型使用每像素重构增益 $\Delta_{res,i} = \|y_i - S_{lin,i}\| - \|y_i - \hat{y}_i\|$ 进行训练。完整的目标函数 $L$ 为：
$$L = \sum_{i} \left[ -\tanh(\Delta_{res,i}) + \lambda_{feat}(\xi_i - \xi_{prior,i})^2 + \lambda_{sp} \xi_i \nabla^2 \xi_i \right] + \lambda_w \|w\|^2$$

• 第一项奖励在降低重构误差处激活非线性（由 $\tanh$ 饱和）。
• 第二项将 $\xi_i$ 锚定在基于特征的先验上，其中 $\lambda_{feat}$ 在训练过程中退火。
• 第三项通过拉普拉斯正则化促进体制图的空间相干性。
• 最后一项是权重的 L2 正则化。
  未使用任何像素标签；体制分配完全是无监督的。

关键结果

作者在三个基准数据集上评估了 PGRU：Samson、Jasper Ridge 和 Urban。基线包括 LMM、GBM 和 PPNM。

• 重构精度：PGRU 在所有数据集上均一致优于所有基线。
  • Samson：rRMSE 从 0.495（LMM）降至 0.052（PGRU）。
  • Jasper Ridge：rRMSE 从 0.347（LMM）降至 0.068（PGRU）。
  • Urban：rRMSE 从 0.331（LMM）降至 0.064（PGRU）。
  • 值得注意的是，统一非线性基线（GBM、PPNM）并未始终优于 LMM，证实了统一非线性可能是适得其反的。
• 物理一致性：激活图 $\xi$ 与重构增益 $\Delta_{res}$ 之间的相关性 $\rho$ 在所有数据集上均超过 0.90（分别为 0.93、0.91 和 0.92），证实非线性混合仅在观察到重构改进的位置被精确激活。
• 可解释性：特征权重分析揭示了场景自适应行为：
  • 在 Jasper Ridge 中，NDVI 占主导地位，将非线性激活集中在茂密植被（预期的多重散射）中，并在水体上抑制它。
  • 在 Urban 中，光谱曲率驱动选择，反映了材料边界处的结构复杂性而非植被相互作用。
  • 空间图（例如图 1）表明，模型将体制选择锚定在可测量的场景属性上，为为什么某个像素是非线性的提供了像素级解释。

意义与主张

该论文声称，PGRU 解决了光谱解混中的一个关键缺口：确定为什么特定像素需要非线性模型。通过将体制标量 $\xi_i$ 建立在可观测的物理特征之上，该模型在无需标注数据的情况下生成了可解释的体制图。

作者断言，选择性、可解释的非线性优于统一的线性和统一非线性方法。他们将 PGRU 定位为全局线性或全局非线性模型的实用替代方案，提供了一种中间立场，即仅在物理证据证明合理时才应用非线性。

作者对其主张保持了适度的语气，指出：

1. 这些结果是初步的，需要针对最近的深度学习基线进行更广泛的验证。
2. 物理模型集成、特征引导激活和空间正则化的相对重要性尚未通过系统的消融研究加以厘清。
3. 未来工作需要将该方法扩展到盲解混设置、具有真实非线性相互作用标签的场景以及更复杂的混合场景。