1.一种基于稀疏主题松弛模型的高光谱影像解混方法，其特征在于：包括以下步骤：

S101：将高光谱影像中一定比例的像元组合成为训练数据集；

S102：以像元为基础，构建训练数据集的像元‑波段共生矩阵，并将所述共生矩阵输入至稀疏主题松弛模型中，以对所述稀疏主题松弛模型进行预训练，得到预训练后的稀疏主题松弛模型；

S103：构建所述高光谱影像所有像元的像元‑波段共生矩阵，并将构建的共生矩阵输入至所述预训练后的稀疏主题松弛模型中；得到所述高光谱影像的初始端元和初始丰度；

S104：针对所述初始端元，采用模糊C均值聚类算法确定端元聚类结果即为最终的端元结果；将所述初始丰度按照所述端元聚类结果进行划分，将同一类端元对应的丰度划分为一组，并将同组内的丰度结果以像元为单位求和叠加，在满足“丰度和为一约束”的条件下将同类端元对应的丰度进行叠加得到第一丰度结果；

S105：采用VCA‑FCLS模型生成所述高光谱影像的第二丰度结果，并将所述第二丰度结果与所述第一丰度结果进行加权联合得到最终丰度结果，输出最终影像丰度图。

2.如权利要求1所述的一种基于稀疏主题松弛模型的高光谱影像解混方法，其特征在于：步骤S101中，将所述高光谱影像中的像元从左到右逐次排列，并预设一定比例的像元组成为训练数据集；

所述像元‑波段共生矩阵由I行J列组成，I为训练数据集中像元总个数，J为训练数据集对应的总波段数；像元‑波段共生矩阵的不同行代表不同的像元，不同列代表不同的波段；

所述像元‑波段共生矩阵中的第i行第j列元素aij代表训练数据集中第i个像元对应的第j个波段上的光谱反射率。

3.如权利要求1所述的一种基于稀疏主题松弛模型的高光谱影像解混方法，其特征在于：步骤S103中，采用EM算法实现预训练后的稀疏主体松弛模型的目标参数求解：通过迭代E步骤和M步骤进行学习推理至收敛，求解更新得到最优的隐含端元表示及其对应的丰度表示，即初始端元和初始丰度。

4.如权利要求3所述的一种基于稀疏主题松弛模型的高光谱影像解混方法，其特征在于：考虑到高光谱影像的端元可变性问题，将预训练的稀疏主题松弛模型的待挖掘的主题的总个数设置为大于实际端元个数的数值，其取值范围为6～30。

5.如权利要求1所述的一种基于稀疏主题松弛模型的高光谱影像解混方法，其特征在于：步骤S104中，采用模糊C均值聚类算法确定最终的端元结果；具体包括：将所述初始端元输入到模糊C均值聚类算法中，聚类中心的个数设置为高光谱影像中实际的端元个数；由模糊C均值聚类算法得到的各聚类中心即为所求解的最终的端元聚类结果。

6.如权利要求1所述的一种基于稀疏主题松弛模型的高光谱影像解混方法，其特征在于：步骤S105中：最终丰度结果＝W×第一丰度结果+(1‑W)×第二丰度结果；

其中，W为预设的第一丰度结果的权重，取值范围为0.65～0.85。

7.一种基于稀疏主题松弛模型的高光谱影像解混系统，其特征在于：包括以下模块：

训练数据集模块，用于将高光谱影像中一定比例的像元组合成为训练数据集；

训练模块，用于以像元为基础，构建训练数据集的像元‑波段共生矩阵，并将所述共生矩阵输入至稀疏主题松弛模型中，以对所述稀疏主题松弛模型进行预训练，得到预训练后的稀疏主题松弛模型；

初始端元和丰度模块，用于构建所述高光谱影像所有像元的像元‑波段共生矩阵，并将构建的共生矩阵输入至所述预训练后的稀疏主题松弛模型中；得到所述高光谱影像的初始端元和初始丰度；

第一丰度模块，用于针对所述初始端元，采用模糊C均值聚类算法确定最终的端元聚类结果；将所述初始丰度按照所述端元聚类结果进行划分，将同一类端元对应的丰度划分为一组，并将同组内的丰度结果以像元为单位求和叠加，在满足“丰度和为一约束”的条件下将同类端元对应的丰度进行叠加得到第一丰度结果；

最终丰度模块，用于采用VCA‑FCLS模型生成所述高光谱影像的第二丰度结果，并将所述第二丰度结果与所述第一丰度结果进行加权联合得到最终丰度结果，输出最终影像丰度图。

8.如权利要求7所述的一种基于稀疏主题松弛模型的高光谱影像解混系统，其特征在于：训练数据集模块中，将所述高光谱影像中的像元从左到右逐次排列，并预设一定比例的像元组成为训练数据集；

所述像元‑波段共生矩阵由I行J列组成，I为训练数据集中像元总个数，J为训练数据集对应的总波段数；像元‑波段共生矩阵的不同行代表不同的像元，不同列代表不同的波段；

所述像元‑波段共生矩阵中的第i行第j列元素aij代表训练数据集中第i个像元对应的第j个波段上的光谱反射率。

9.如权利要求7所述的一种基于稀疏主题松弛模型的高光谱影像解混系统，其特征在于：初始端元和丰度模块中，采用EM算法实现预训练后的稀疏主体松弛模型的目标参数求解：通过迭代E步骤和M步骤进行学习推理至收敛，求解更新得到最优的隐含端元表示及其对应的丰度表示，即初始端元和初始丰度。

10.如权利要求9所述的一种基于稀疏主题松弛模型的高光谱影像解混系统，其特征在于：考虑到高光谱影像的端元可变性问题，将预训练的稀疏主题松弛模型的待挖掘的主题的总个数设置为大于实际端元个数的数值，其取值范围为6～30。