1.一种稀疏对偶约束的高光谱图像解混方法，其特征在于，包括：S10获取待解混的高光谱图像，并通过在高维数据矩阵中寻找每个像素点的k个最近邻点构造一个最近邻图；

S20将步骤S10中构造的最近邻图中的每个像素点作为一个向量，在稀疏区域内，通过设置像素点间稀疏距离的方法构造另一个图；

S30根据步骤S10和步骤S20构建的两个图，建立稀疏约束下基于非负矩阵分解的损失函数C：其中，N表示高光谱图像对应的数据矩阵，U表示端成员矩阵，V表示丰度矩阵，μ表示衡量||V||1/2对损失函数C贡献度的相干系数，L1和L2对应两个图的拉普拉斯矩阵，γ表示用于衡量对图约束的图约束系数，Tr(·)代表矩阵的迹，β表示特征空间与稀疏区域平衡因子；

S40对数据矩阵N进行逐层分解得到相应的矩阵因子，且在分解到最后一层使用微调规则对矩阵因子进行调整，调整之后进行迭代更新；

S50输出最终迭代的结果，得到对高光谱图像解混后的端成员矩阵U和丰度矩阵V，完成对高光谱图像的解混；

在步骤S40中，各层分解中对矩阵因子的微调规则为：

其中，s表示当前非负矩阵分解的层数；ψs‑1表示第s‑1层矩阵分解的结果，且ψs‑1＝U1U2...Us‑1，U1、U2、...、Us‑1、Us表示相应层数分解得到的端成员矩阵， χ1表示对丰度矩阵的平衡约束参数， 表示对丰度矩阵V的第s层的重建，Vs表示第s层分解得到的丰度矩阵， 表示数据矩阵N的共轭矩阵；

在步骤S40中，端成员矩阵U和丰度矩阵V的迭代更新规则为：T T

U←U.*NV ./UVV

其中，Wr表示图的权重矩阵，Dr表示权重矩阵Wr的对角矩阵，且Lr＝Dr‑Wr，r＝1或2，表示两个图对应的代号；i表示权重矩阵的第i行，j表示权重矩阵的第j列。