[1] [1] 1丁文清， 丁林. 岩矿高光谱遥感及其在青藏高原的应用前景［J］. 地质科学， 2022， 57（3）：924-944. doi: 10.12017/dzkx.2022.053DINGW Q， DINGL. Hyperspectral remote sensing of rock and mineral and its application prospects on the Tibetan Plateau［J］. Chinese Journal of Geology， 2022， 57（3）：924-944.（in Chinese）. doi: 10.12017/dzkx.2022.053

[2] [2] 2张成业， 秦其明， 陈理， 等. 高光谱遥感岩矿识别的研究进展［J］. 光学 精密工程， 2015， 23（8）：2407-2418. doi: 10.3788/ope.20152308.2407ZHANGCH Y， QINQ M， CHENL， et al. Research and development of mineral identification utilizing hyperspectral remote sensing［J］. Opt. Precision Engi.， 2015， 23（8）：2407-2418.（in Chinese）. doi: 10.3788/ope.20152308.2407

[3] [3] 3董新丰， 甘甫平， 李娜， 等. 高分五号高光谱影像矿物精细识别［J］. 遥感学报， 2020， 24（4）： 454-464.DONGX F， GANF P， LIN， et al. Fine mineral identification of GF-5 hyperspectral image［J］. Journal of Remote Sensing， 2020， 24（4）： 454-464.（in Chinese）

[4] [4] 4叶珍， 白璘， 何明一. 高光谱图像空谱特征提取综述［J］. 中国图象图形学报， 2021， 26（8）： 1737-1763. doi: 10.11834/jig.210198YEZH， BAIL， HEM Y. Review of spatial-spectral feature extraction for hyperspectral image［J］. Journal of Image and Graphics， 2021， 26（8）： 1737-1763.（in Chinese）. doi: 10.11834/jig.210198

[5] S OZKAN, B KAYA, G B AKAR. EndNet： sparse AutoEncoder network for endmember extraction and hyperspectral unmixing. IEEE Transactions on Geoscience and Remote Sensing, 57, 482-496(2019).

[6] X R ZHANG, Y J SUN, J Y ZHANG et al. Hyperspectral unmixing via deep convolutional neural networks. IEEE Geoscience and Remote Sensing Letters, 15, 1755-1759(2018).

[7] Y C SU, J LI, A PLAZA et al. DAEN： deep autoencoder networks for hyperspectral unmixing. IEEE Transactions on Geoscience and Remote Sensing, 57, 4309-4321(2019).

[8] [8] 8韩竹， 高连如， 张兵， 等. 高分五号高光谱图像自编码网络非线性解混［J］. 遥感学报， 2020， 24（4）： 388-400.HANZH， GAOL R， ZHANGB， et al. Nonlinear unmixing of hyperspectral image self-coding network with high score No.5［J］. National Remote Sensing Bulletin， 2020， 24（4）： 388-400.（in Chinese）

[9] [9] 9慕晓冬， 白坤， 尤轩昂， 等. 基于对比学习方法的遥感影像特征提取与分类［J］. 光学 精密工程， 2021， 29（9）2222-2234. doi: 10.37188/OPE.20212909.2222MUX D， BAIK， YOUX A， et al. Remote sensing image feature extraction and classification based on contrastive learning method［J］. Opt. Precision Eng.， 2021， 29（9）： 2222-2234. doi: 10.37188/OPE.20212909.2222

[10] [10] 10王忠良， 何密， 叶珍， 等. 线性混合光谱模型高光谱压缩感知［J］. 遥感学报， 2020， 24（3）：277-289.WANGZH L， HEM， YEZH， et al. For hyperspectral compressed sensing method on linear mixed spectrum model［J］. Journal of Remote Sensing， 2020， 24（3）：277-289.（in Chinese）

[11] [11] 11王喆， 赵哲， 闫柏琨， 等. 基于Hapke模型混合岩矿粉末反射率光谱模拟［J］. 国土资源遥感， 2017， 29（1）： 186-191.WANGZH， ZHAOZH， YANB K， et al. Simulation of bi-directional reflectance on mixed minerals based on Hapke photometric model［J］. Remote Sensing for Land & Resources， 2017， 29（1）： 186-191.（in Chinese）

[12] K QIN, F Y GE, Y J ZHAO et al. Hapke data augmentation for deep learning-based hyperspectral data analysis with limited samples. IEEE Geoscience and Remote Sensing Letters, 18, 886-890(2021).

[13] B HAPKE. Bidirectional reflectance spectroscopy. Icarus, 195, 918-926(2008).

[14] L WANG, D LIU, Q WANG et al. Spectral unmixing model based on least squares support vector machine with unmixing residue constraints. Geoscience and Remote Sensing Letters, 10, 1592-1596(2013).