1.基于信息熵的HNMF遥感图像解混算法，其特征在于，包括：S1、对当前遥感图像建立基于稀疏约束的CNMF遥感图像解混算法；

S2、获取当前遥感图像的信息熵，并获取信息熵正则化函数；

S3、用S2中信息熵正则化函数取代步骤S1中基于稀疏约束的CNMF遥感图像解混算法中的范数正则化函数，建立基于信息熵的HNMF遥感图像解混算法。

2.根据权利要求1所述的基于信息熵的HNMF遥感图像解混算法，其特征在于，步骤S1具体包括：S11、首先建立基于NMF的遥感图像解混算法；

S12、根据稀疏表示理论，用L0或L1或L2范数对基于NMF的遥感图像解混算法的端元光谱矩阵和丰度矩阵进行约束，得到基于稀疏约束的CNMF遥感图像解混算法。

3.根据权利要求1所述的基于信息熵的HNMF遥感图像解混算法，其特征在于，步骤S2具体包括：假设当前遥感图像信源有n种取值：U1...Ui...Un，对应概率为：p1...pi...pn，且各种符号的出现彼此独立，则当前遥感图像信源的信息熵为：

4.根据权利要求1所述的基于信息熵的HNMF遥感图像解混算法，其特征在于，步骤S3具体包括：S31、将当前遥感图像的信息熵正则化函数来替换基于稀疏约束的CNMF遥感图像解混算法中的范数正则化函数来约束端元光谱矩阵M和丰度矩阵S，并建立基于信息熵的HNMF遥感图像解混算法的目标函数：其中，M是端元光谱矩阵，S是丰度矩阵，第一项表示图像的重构误差，第二项表示对丰度矩阵进行稀疏，λ是正则化参数；Sij为每个元素代表在像元中对应端元所占的比例，L为遥感图像波段数目，R为L个波段的遥感图像，P为待检测遥感图像的端元个数，N为待检测遥感图像的像素点个数；

S32、采用乘性迭代规则对端元光谱矩阵M和丰度矩阵S进行求解，根据矩阵的性质对M和S求偏导数得：再使用梯度下降法进行迭代，得到最终的M和S的乘性迭代规则：M←M.*RST./(MSST+ε)

利用小正数ε来使分数恒为正数，当迭代到一定次数，f(M,S)的变化值小于预设值，得到最终优化的基于信息熵的HNMF遥感图像解混算法。