【技术实现步骤摘要】
本专利技术涉及高光谱图像
，更具体的说，涉及一种高光谱图像端元提取方法及系统。
技术介绍
高光谱图像是一种光谱分辨率在101数量级范围内的光谱图像。由于成像光谱仪空间分辨率的限制，使得混合像元问题在高光谱图像中广泛存在。解决混合像元问题的方法称为混合像元分解，其目的是分析出混合像元中包含哪些物质(称为端元)以及它们所占的比例(称为丰度)。目前高光谱图像端元提取方法主要是基于蚁群算法的高光谱图像端元提取方法(ACOEE)、基于离散粒子的高光谱图像端元提取方法(DPSOEE)以及其衍生方法，这些方法都是以原始图像和反混图像的均方根误差(RootMean Square Error，RMSE)作为目标函数，通过最优化目标函数来寻求最优解。虽然，目前的高光谱图像端元提取方法可以在一定条件下获得较为满意的结果，但是它们也存在一些问题。由于高光谱图像中同一类地物的最纯像元通常不止一个，很多临近像元的光谱反射率相同，这就导致重复识别同种端元的现象频繁发生，端元的识别结果与采用Hysime算法(一种常用的端元数量估计算法)计算出的端元数据相差甚远，使高光谱图像端元提取的结果容易陷入局部最优解。
技术实现思路
有鉴于此，本专利技术公开一种高光谱图像端元提取方法及系统，以解决高光谱图像端元提取的结果容易陷入局部最优解的问题。一种高光谱图像端元提取方法，包括：获取高光谱图像中的候选端元，并确定适应度函数；初始化参数，包括，采蜜蜂数量m，跟随蜂数量m，最大迭代次数maxIter；在可行解空间中随机产生m个可行解，每一个所述可行解作为一只采蜜蜂对应的蜜源；采蜜蜂随机选择一个蜜源作...
【技术保护点】
一种高光谱图像端元提取方法，其特征在于，包括：获取高光谱图像中的候选端元，并确定适应度函数；初始化参数，包括，采蜜蜂数量m，跟随蜂数量m，最大迭代次数maxIter；在可行解空间中随机产生m个可行解，每一个所述可行解作为一只采蜜蜂对应的蜜源；采蜜蜂随机选择一个蜜源作为当前第一蜜源，根据搜寻函数在所述当前第一蜜源的邻域内搜寻第一新蜜源，利用所述适应度函数计算所述第一新蜜源的适应度值，并选择所述当前第一蜜源和所述第一新蜜源中适应度值大的替换所述当前第一蜜源；采蜜蜂分享蜜源信息给跟随蜂；跟随蜂按照跟随概率选择采蜜蜂，将该采蜜蜂最新的当前第一蜜源作为当前第二蜜源，根据所述搜寻函数在所述当前第二蜜源的邻域内二次搜寻第二新蜜源，利用所述适应度函数计算所述第二新蜜源的适应度值，并选择所述当前第二蜜源和所述第二新蜜源中适应度值大的蜜源替换所述当前第二蜜源；利用跟随蜂选取的蜜源更新之前获得的最优解；判断m个采蜜蜂中在预设时间段内是否有没有更新蜜源的采蜜蜂；如果存在没有更新蜜源的采蜜蜂，则将所述预设时间段内没有更新蜜源的采蜜蜂转换为侦查蜂；侦查蜂在搜索空间中随机选取一个蜜源作为当前第三蜜源，根据所述搜寻函...
【技术特征摘要】
1.一种高光谱图像端元提取方法，其特征在于，包括：获取高光谱图像中的候选端元，并确定适应度函数；初始化参数，包括，采蜜蜂数量m，跟随蜂数量m，最大迭代次数maxIter；在可行解空间中随机产生m个可行解，每一个所述可行解作为一只采蜜蜂对应的蜜源；采蜜蜂随机选择一个蜜源作为当前第一蜜源，根据搜寻函数在所述当前第一蜜源的邻域内搜寻第一新蜜源，利用所述适应度函数计算所述第一新蜜源的适应度值，并选择所述当前第一蜜源和所述第一新蜜源中适应度值大的替换所述当前第一蜜源；采蜜蜂分享蜜源信息给跟随蜂；跟随蜂按照跟随概率选择采蜜蜂，将该采蜜蜂最新的当前第一蜜源作为当前第二蜜源，根据所述搜寻函数在所述当前第二蜜源的邻域内二次搜寻第二新蜜源，利用所述适应度函数计算所述第二新蜜源的适应度值，并选择所述当前第二蜜源和所述第二新蜜源中适应度值大的蜜源替换所述当前第二蜜源；利用跟随蜂选取的蜜源更新之前获得的最优解；判断m个采蜜蜂中在预设时间段内是否有没有更新蜜源的采蜜蜂；如果存在没有更新蜜源的采蜜蜂，则将所述预设时间段内没有更新蜜源的采蜜蜂转换为侦查蜂；侦查蜂在搜索空间中随机选取一个蜜源作为当前第三蜜源，根据所述搜寻函数在所述当前第三蜜源的邻域内搜寻第三新蜜源，利用所述适应度函数计算所述第三新蜜源的适应度值；判断所述第三新蜜源的适应度值是否小于所述第三蜜源的适应度值；如果小于所述第三蜜源的适应度值，则将跟随蜂选取的蜜源作为当前最优解，并判断当前迭代次数是否达到所述最大迭代次数maxIter；如果不小于所述第三蜜源的适应度值，则将该侦...
【专利技术属性】
技术研发人员：高连如，苏远超，孙旭，李军，张兵，
申请(专利权)人：中国科学院遥感与数字地球研究所，中山大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。