【技术实现步骤摘要】
本专利技术涉及遥感影像处理，具体涉及一种基于进化多模态算法的高光谱端元提取方法。
技术介绍
1、高光谱图像波段众多，能够获取地物几乎连续的光谱特征曲线，同一空间分辨率下，光谱覆盖范围更宽，包含丰富的辐射、空间和光谱信息，是多种信息的综合载体。但是高光谱数据量大，图像包含几十个到上百个波段，存在大量冗余，处理不当，反而会影响精度。端元向量通常作为高光谱图像处理算法的先验知识，因此得到的端元向量是否可以突出地反映待研究地物的光谱属性信息，对其他高光谱算法的处理精度起到极其重要的作用。但是由于高光谱图像具有较高的数据维度，使常规的图像处理方法在处理高光谱图像时有较大的限制。由于成像机理复杂，导致成像光谱仪的空间分辨率有限，一些像素可以包含多种类型的地物，这些像素称为混合像素。混合像素给目标检测带来很多困难。为了提高高光谱遥感的精度，提出了高光谱解混，即将混合像素分解为不同的“基本组成单元(端元)”,并求得这些基本组分所占的比例(丰度)。端元提取作为高光谱解混的关键，用于寻找纯净像素，对高光谱解混的整体性能有很大的影响。
2、针对高光谱的端元提取的问题，国内外学者进行了深入的研究提出了很多方法。主要分为非进化算法的方法和进化优化方法。
3、但现有技术中至少存在如下技术问题：
4、(1)、传统的非进化计算方法在处理高光谱端元提取问题时，往往只能从一个角度进行考虑，难以全面评估问题，并且容易受到噪音的干扰，从而影响提取结果的准确性。
5、(2)、现有的进化计算方法专注于使用不同的进化计算框架，
6、(3)、目前存在的方法最终得到的端元结果准确度不高，忽略了决策空间的多样性，不能有效的获得更多优质解。
技术实现思路
1、本专利技术是为了解决上述现有技术存在的不足之处，提出一种基于进化多模态算法的高光谱端元提取方法，以期能从多个角度衡量端元的质量探索整个图像，取得多样性更好的解，并进一步提高端元的精度，从而能达到更加完美的端元提取效果。
2、本专利技术为达到上述专利技术目的，采用如下技术方案：
3、本专利技术一种基于进化多模态算法的高光谱端元提取方法的特点在于，包括如下步骤：
4、s1：获取维度为l×n的高光谱遥感图像矩阵r，其中，l表示高光谱遥感图像的波段数，n表示高光谱遥感图像的像素数，从而利用式(1)构建线性光谱模型：
5、r＝eat+ε (1)
6、式(1)中，e＝[e1,e2,...,ep,...,ep]为端元矩阵，ep表示第p个端元，a＝[a1,a2,...,ap,...,ap]为丰度矩阵，ap表示第p个丰度，ε为误差矩阵；t表示转置；
7、s2：利用式(1)-式(3)构建多目标优化函数minf(r)：
8、minf(r)＝(f1(r),f2(r)) (1)
9、
10、
11、式(1)-式(3)中，f1(r)为第一优化目标函数，det表示计算矩阵的行列式，p表示高光谱遥感图像矩阵r的端元数；q1、q2、...、qp为高光谱遥感图像矩阵r中降维后的p个端元值；f2(r)为第二优化目标函数，ri为高光谱遥感图像矩阵r中第i个像素，为第i个像素ri的重构值；若ri＝1，则表示第i个像素为端元；若ri＝0，则表示第i个像素为混合像素；
12、s3：定义当前迭代次数为t，并初始化t＝1；最大的迭代次数为tmax；
13、由n个像素中端元和混合像素的分布情况构成一个个体，通过二进制编码随机初始化np个个体构成第t代种群，将第t代种群随机划分为k个子种群，其中，第t代种群中第k个子种群记为其中，表示第t代种群中第k个子种群的第j个个体，且每个个体的长度为n，表示个体在q位置是否为端元，如果则表示q位置为端元，如果则表示q位置为混合像素；
14、s4：计算第t代种群中第k个子种群的光谱角距离和非支配等级，从而为第t代种群中第k个子种群设置引导向量gvk,t；
15、s5：初始化k＝1；
16、s6：第t代种群中第k个子种群的进化；
17、s6.1：通过二元竞标赛法从第t代种群的第k个子种群中选出个父代个体其中，表示第t代种群中第k个子种群所选出的第c个父代个体；
18、s6.2：在[0,1]之间的产生第t代的随机数randt；
19、如果randt<t/tmax，则对第c个父代个体进行交叉变异操作后再进行端元数量的修补，得到第c个子代个体否则，对第c个父代个体进行基于gvk,t的翻转操作，得到第c个子代个体
20、s6.3：从而按照s6.2的过程产生第t代种群的个子代个体并构成第t代中第k个子种群的子代种群
21、s6.4：通过快速非支配排序方法和拥挤距离计算的选择操作，从和中选择出较好的np个个体组成第t代种群的第k个新子种群其中，表示第t代种群的第k个新子种群中的第j个个体；
22、s6.5：根据更新引导向量gvk,t，从而得到第t代种群中第k个新子种群的引导向量gv'k,t；
23、s6.6：根据的端元位置集合，从gv'k,t找出在端元位置上的更新后的引导向量值；
24、根据的端元位置集合，从gvk,t中找出与的端元位置上的引导向量值相同的其他引导向量值；
25、对的端元位置上的每一个引导向量值的相同的其他引导向量值的个数进行判断和更新，从而得到更新后的引导向量gv”k,t并赋值给gv'k,t：
26、如果相同的其他引导向量值的个数大于端元数p的平方，则将同一端元位置上的更新后的引导向量值赋值给随机选择的p2个相同的其他引导向量值；
27、如果相同的其他引导向量值的个数小于p2，则将同一端元位置上的更新后的引导向量值赋值给随机选择的p个相同的其他引导向量值；
28、如果相同的其他引导向量值的长度小于p，则将同一端元位置上的更新后的引导向量值赋值随机选择的一个相同的引导向量值；
29、s7：将k+1赋值给k后，返回步骤s5顺序执行，直到k>k为止，从而得到第t代种群中k个新子种群及其引导向量；
30、s8：生成第t+1代种群：
31、s8.1：计算第t代种群中每个新子种群中每个个体的一组光谱角距离；
32、s8.2：利用式(4)计算第m个新子种群中每个个体的光谱角距离和第n个子种群中每个个体的光谱角距离的相关性再从所有新子种群的相关性中取最大值rmax：
33、
34、式(4)中，u，v分别表示第m个新子种群的光谱角矩阵和第n个子种群的光谱角矩阵的行和列数，分别表示第m个新子种群的光谱角矩阵和第n个子种群的光谱角矩阵的均值；表示第t代种群的第m个新子种群中第a个个体的第b个端元的光谱角本文档来自技高网...
【技术保护点】
1.一种基于进化多模态算法的高光谱端元提取方法，其特征在于，包括如下步骤：
2.如权利要求1所述的高光谱端元提取方法，其特征在于，S8中还能按照如下规则生成第t+1代的一个新子种群并与第t代种群中K个新子种群作为第t+1代种群：
3.如权利要求1所述的高光谱端元提取方法，其特征在于，S6.2中是按如下步骤将第c个父代个体进行基于GVk,t的翻转操作，得到第c个子代个体
4.如权利要求1或2所述的高光谱端元提取方法，其特征在于，所述分割方法是按如下过程生成第t+1代的新子种群；
5.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-4中任一所述高光谱端元提取方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。
6.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-4中任一所述高光谱端元提取方法的步骤。
【技术特征摘要】
1.一种基于进化多模态算法的高光谱端元提取方法，其特征在于，包括如下步骤：
2.如权利要求1所述的高光谱端元提取方法，其特征在于，s8中还能按照如下规则生成第t+1代的一个新子种群并与第t代种群中k个新子种群作为第t+1代种群：
3.如权利要求1所述的高光谱端元提取方法，其特征在于，s6.2中是按如下步骤将第c个父代个体进行基于gvk,t的翻转操作，得到第c个子代个体
4.如权利要求1或2所述的高光谱端元...
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。