本文面向星载高光谱数据在低信噪比条件下难以提取矿物微弱吸收特征的问题，提出“张量去噪保真—非线性特征增强”的空谱双域解耦框架。方法首先利用基于计算松弛的 SSTV-TRPCA 模型分离低秩背景、稀疏异常与噪声，并通过仅约束空间维度避免光谱过度平滑；随后构建融合地质先验的分数阶 Teager-Kaiser 能量算子 F-TKEO，在稀疏特征空间中放大短波红外微弱吸收谷并抑制伪峰。实验表明，该框架能有效恢复高光谱矿物诊断特征，并在云南北衙金矿识别出富钠绢云母的蓝移吸收峰。
GF-5 AHSI 等星载高光谱传感器能够提供连续窄波段观测，是大尺度矿物填图的重要数据源。然而，大气衰减、传感器热效应和推扫式成像机制会引入高斯随机噪声与条带噪声，使绢云母、高岭土等矿物在约 2200 nm 附近的窄弱吸收谷被背景杂波淹没。
MNF、DWT 等统计变换或频域滤波方法可降低噪声，但容易削弱小目标和单像元尺度的微弱光谱吸收特征。
Global LRTV 等传统张量去噪方法强调全局连续性，可能导致光谱维度过度平滑，使 2200 nm 诊断吸收谷消失。
FOD 等线性增强方法会在增强斜率的同时放大高频噪声；传统 TKEO 对随机震荡敏感，强噪声下容易产生伪峰。
本文提出的框架遵循“去噪保真—非线性增强”逻辑：先将高光谱影像分解为低秩背景、稀疏特征和高斯噪声，尽量保留真实微弱吸收；再在稀疏空间中利用分数阶非线性能量算子增强诊断性特征。
将高光谱影像表示为三维张量，分解为低秩背景 L、稀疏特征 S 与高斯噪声 N。其中 L 表达大尺度地物背景和强波段相关性，S 同时包含条带、死像元等结构性异常与微弱矿化蚀变信息。
SSTV 正则化仅对空间维度施加梯度约束，设置空间梯度权重大于 0，而光谱梯度权重为 0。这样既能增强空间背景连续性，又避免沿光谱维度平滑掉窄弱吸收特征。
为降低非光滑 L1-SSTV 近端映射的计算复杂度，论文将其松弛为基于 L2 范数的空间正则化。根据变分法，该过程等效于各向同性线性热扩散，可通过高斯核卷积实现。实验显示，计算耗时缩减约 85.0%，而重建 SNR 折损小于 1.1 dB。
将传统 Teager-Kaiser 能量算子推广至分数阶域，利用相邻阶次微分的交叉相关机制捕捉局部吸收凹陷极大值。由于高斯噪声在不同阶次下相关性较低，交叉项相减可自适应抵消背景噪声。
在 F-TKEO 输出能量图中，引入噪声阈值掩膜和矿物诊断波段窗口约束。例如针对绢云母，仅在 2180—2320 nm 物理频带内提取能量极大值，以剔除条带噪声和无关伪峰。
论文从去噪性能、特征增强性能、不同矿物普适性和真实矿区应用四个方面验证方法有效性。结果显示，该框架既能显著提高信噪比，又能避免关键吸收谷被过度平滑。
| 方法 | 去噪 SNR / 增强 CNR | 表现与问题 |
|---|---|---|
| DWT 一维小波 | SNR = 25.2 dB | 可降低噪声，但显著削弱吸收深度。 |
| Standard TRPCA | SNR = 19.3 dB | 缺乏空间约束，恢复光谱仍存在剧烈震荡。 |
| Global LRTV | SNR = 29.7 dB | 全维度平滑过强，导致 2200 nm 关键特征消失。 |
| SSTV-TRPCA | SNR = 40.1 dB | 保留次级吸收谷形态，兼具去噪能力与光谱保真。 |
| FOD | CNR = 0.96 | 放大高频震荡，特征易被伪影淹没。 |
| 传统 TKEO | CNR = 1.24 | 强噪声下产生非相关伪峰。 |
| SG-F-TKEO | CNR = 2.73 | 成功重构高岭土 2165 nm 与 2200 nm 双峰。 |
本文构建的 SSTV-TRPCA + F-TKEO 联合框架，将去噪与增强拆分为两个互补阶段，避免传统方法在强噪声下“去噪过度”或“增强伪峰”的问题，为星载高光谱矿物填图提供了更稳健的微弱特征提取方案。
SSTV-TRPCA 通过空间单维约束，在去除 15 dB 强噪声的同时保持窄弱光谱吸收谷，SNR 达到 40.1 dB。
F-TKEO 利用分数阶交叉相关机制增强局部吸收凹陷，CNR 达到 2.73，优于 FOD 与传统 TKEO。
在北衙金矿识别出 2192.5 nm 蓝移峰，指示富钠绢云母及高温热液交代作用，具有找矿解释价值。