【技术实现步骤摘要】
高光谱图像解混方法、装置及电子设备
[0001]本申请属于高光谱图像解混
,尤其涉及一种高光谱图像解混方法、装置及电子设备。
技术介绍
[0002]高光谱分辨率遥感,简称高光谱遥感,是用很窄而连续的光谱通道对地物持续遥感成像的技术。高光谱遥感产生的图像称为高光谱图像。虽然高光谱图像的光谱分辨率很高,但是其像元对应的地物目标的空间分辨率却较低,这种情况导致了混合像元的广泛存在,即一个像元可能是几种类别的混合。混合像素问题不仅是遥感技术向定量化深入发展的重要障碍,而且也严重影响着计算机技术在遥感领域中的应用,因此需要对高光谱图像进行解混。
[0003]相关技术中,高光谱图像解混采用的算法主要包括:基于线性光谱混合模型、多层感知器、最近邻分类器、独立成分分析(ICA)和大规模多目标优化算法(Large
‑
scale Multi
‑
objective Evolutionary Algorithms,LSMOEAs)等。其中,LSMOEAs因为其能够提高解混精度而受到青睐。
[0004]对于LSMOPs,传统技术中存在多种大规模多目标优化算法,也称为大规模多目标优化算法,包括基于分而治之思想的决策变量分析LSMOEAs、协同演化LSMOEAs,以及基于降维思想的问题转换LSMOEAs等。其中,问题转换LSMOEAs是用单个权值对应多个决策变量,将LSMOPs从大规模困难问题转换为小规模问题,基于对小规模问题的优化来实现对大规模问题的优化。
[0005]然而,问题 ...
【技术保护点】
【技术特征摘要】
1.一种高光谱图像解混方法,其特征在于,包括:根据高光谱图像的解混目标以及所述高光谱图像中每个混合像元的丰度向量建立决策空间中的目标函数;建立所述决策空间中的初始化种群,并基于问题转换算法根据所述初始化种群生成初始权值向量集;基于问题转换算法,根据所述目标函数和所述初始权值向量集生成下一代种群和下一代权值向量集;所述下一代种群中包括多个下一代个体,所述下一代权值向量集中包括与每个所述下一代个体分别对应的下一代权值向量;对所述下一代权值向量集中的瓶颈权值向量进行权值扩展,得到扩展权值向量集;所述瓶颈权值向量是指所述下一代种群中处于进化瓶颈的下一代个体对应的下一代权值向量;将所述下一代种群作为所述初始化种群,将所述扩展权值向量集作为所述初始权值向量集,重复执行步骤所述基于问题转换算法,根据所述初始权值向量集,生成下一代种群和下一代权值向量集和步骤所述对所述下一代权值向量集中的瓶颈权值向量进行权值扩展,得到扩展权值向量集,直至满足预设结束条件,根据得到的下一代种群确定每个所述混合像元对应的最优丰度向量。2.根据权利要求1所述的方法,其特征在于,所述对所述下一代权值向量集中的瓶颈权值向量进行权值扩展,得到扩展权值向量集,包括:获取所述目标函数的决策变量的维度,得到决策变量维度;对于所述下一代权值向量集中的每个第一瓶颈权值向量,确定所述第一瓶颈权值向量的维度,并根据所述决策变量维度和所述第一瓶颈权值向量的维度,对所述第一瓶颈权值向量进行权值扩展,得到扩展权值向量;其中,所述第一瓶颈权值向量为任一个瓶颈权值向量,所述扩展权值向量的维度小于或等于所述决策变量维度;将所述下一代权值向量集中未进行权值扩展的下一代权值向量和所述扩展权值向量组成的集合确定为所述扩展权值向量集。3.根据权利要求2所述的方法,其特征在于,所述根据所述决策变量维度和所述第一瓶颈权值向量的维度,对所述第一瓶颈权值向量进行权值扩展,得到扩展权值向量,包括:若所述第一瓶颈权值向量的维度小于或等于所述决策变量维度的一半,则向所述第一瓶颈权值向量插入权值,将所述第一瓶颈权值向量的维度扩展一倍,得到所述扩展权值向量;若所述第一瓶颈权值向量的维度小于所述决策变量维度且大于所述决策变量维度的一半,则向所述第一瓶颈权值向量插入权值,将所述第一瓶颈权值向量的维度扩展至与所述决策变量维度一致,得到所述扩展权值向量。4.根据权利要求1所述的方法,其特征在于,所述对所述下一代权值向量集中的瓶颈权值向量进行权值扩展,得到扩展权值向量集之前,所述方法还包括:确定每个所述下一代个体的当前进化卡顿次数,所述当前进化卡顿次数用于表征所述下一代个体进化至当前种群的过程中累计出现进化卡顿的次数;将所述当前进化卡顿次数大于预设阈值的下一代个体确定为所述处于进化瓶颈的下一代个体;
所述对所述下一代权值向量集中的瓶颈权值向量进行权值扩展,得到扩展权值向量集之后,所述方法还包括:对所述下一代种群中处于进化瓶颈的下一代个体的所述当前进化卡顿次数进行重置。5.根据权利要求4所述的方法,其特征在于,所述确定每个所述下一代个体的当前进化卡顿次数,包括:获取每个所述下一代个体的父代id值;将所述下一代种群中非支配且父代id值不为0的下一代个体组成的集合确定为高质量子代集;对于所述高质量子代集中的每个第一下一代个体,将所述第一下一代个体的上次进化卡顿次数确定为当前进化卡顿次数,其中,所述第一下一代个体为所述高质量子代集的任一个下一代个体;将父代id值为0的下一代个体组成的集合确定为低质量子代集;对于低质量子代集中的每个第二下一代个体,若所述第二下一代个体参与上一次子代生成,且所述第二下一代个体生成的子代个体不属于所述高质量子代集,则将所述第二下一代个体的上次进化卡顿次数加1,得到所述第二下一代个体的当前进化卡顿次数;否则将所述第二下一代个体的上次进化卡顿次数确定为当前进化卡顿次数;其中,所述第二下一代个体为所述低质量子代集中的任一个下一代个体。6.根据权利要求1至5中任一项所述的方法,其特征在于,所述基于问题转换算法,根据所述初始权值向量集生成下一代种群和下一代权值向量集之前,所述方法还包括:根据所述初始化种群建立存档;所述存档中包括多个存档个体,每个所述存档个体与所述初始化种群中的至少一个个体对应,且所述多个存档个体中至少有一个为所述初始化种群中的非支配个体;所述基于问题转换算法,根据所述目标函数和所述初始权值向量集生成下一代种群和下一代权值向量集,包括:基于问题转换算法,根据所述目标函数、所述初始权值向量集和所述存档,生成所述下一代种群和所述下一代权值向量集;所述将所述下一代种群作为所述初始化种群,将所述扩展权值向量集作为所述初始权值向量集,重复执行步骤所述基于问题转换算法,根据所述目标函数和所述初始权值向量集,生成下一代种群和下一代权值向量集和步骤所述对所述下一代权值向量集中的瓶颈权值向量进行权值扩展,得到扩展权值向量集,直至满足预设结束条件,根据得到的下一代种群确定每个所述混合像元对应的最优丰度向量,包括:将所述下一代种群作为所述初始化种群,将所述扩展权值向量集作为所述初始权值向量集,重复执行步骤所述根据所述初始化种群建立存档、步骤所述基于问题转换算法,根据所述目标函数、所述初始权值向量集和所...
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。