[发明专利]一种高光谱图像端元提取方法及装置

说明书

本申请公开了一种高光谱图像端元提取方法及装置，将高光谱图像端元提取问题中的优化变量对应人工蜂群算法中的食物源位置，每个食物源的优化由适应度函数决定，采蜜蜂的个数与可行解的个数一致。采蜜蜂对相应食物源的邻域进行一次搜索，并选择当前食物源和搜索到的新食物源中适度值大的替换当前食物源；采蜜蜂将食物源信息给跟随蜂，由跟随蜂对相应食物源的邻域进行第二次搜索，并选择当前食物源和搜索到的新食物源中适度值大的替换当前食物源，利用跟随蜂选取的食物源更新之前获得的最优解，重复上述过程，直至迭代次数达到最大迭代次数，得到端元提取结果。本发明采用人工蜂群算法以连续域为可行解空间搜索端元，可以快速高效的搜索到最优解。

技术领域

本发明涉及高光谱图像技术领域，更具体的说，涉及一种高光谱图像端元提取方法及装置。

背景技术

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)。

混合像元分解常用的模型为线性光谱混合模型，以线性光谱混合模型为基础的端元提取方法可以根据设计思路具体分为几何学方法、统计学方法、稀疏表示方法和融合空间信息方法等类型，其中，几何学方法最为常用。采用几何学方法时通常应用纯像元假设，即要求高光谱图像中存在纯像元。但是，在实际情况中，像元集中并不包含全部端元，即某些(甚至全部)端元在高光谱图像中没有对应的纯像元，导致部分像元点会散落在特征空间中单形体外，从而使得包含点云的最小形体和被点云包含的最大单形体都不能很好的还原真实的端元情况。而且，对于噪声较大或高度混合的数据采用纯像元假设很难得到符合要求的端元提取结果。

综上，如何提供一种高光谱图像端元的提取方法及装置以获得符合要求的端元提取结果是本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明提供一种高光谱图像端元提取方法及装置，以解决利用纯像元假设无法获得符合要求的端元提取结果的问题。

一种高光谱图像端元提取方法，包括：

获取降维后的高光谱图像，并确定适应度函数；

初始化参数，包括，采蜜蜂数量N_e，跟随蜂数量N_o，最大迭代次数i_max和身份转换参数K；

在可行解空间中随机产生N_e个可行解，每一个所述可行解作为一只采蜜蜂对应的食物源；

采蜜蜂在当前第一食物源的邻域内搜寻第一新食物源，利用所述适应度函数计算所述第一新食物源的适应度值，并选择所述当前第一食物源和所述第一新食物源中适应度值大的替换所述当前第一食物源；

采蜜蜂分享食物源信息给跟随蜂，跟随蜂利用所述适应度函数计算所有食物源的适应度值，并根据所述适应度值计算每个食物源对应的选择概率；

跟随蜂按照所述选择概率选择当前第二食物源，并在所述当前第二食物源的邻域内二次搜寻第二新食物源，利用所述适应度函数计算所述第二新食物源的适应度值，并选择所述当前第二食物源和所述第二新食物源中适应度值大的食物源替换所述当前第二食物源；

利用跟随蜂选取的食物源更新之前获得的最优解；

判断N_e个采蜜蜂中是否有连续K次没有更新食物源的采蜜蜂；

如果否，则从所述可行解空间随机产生N_o个可行解，每一个所述可行解作为一只侦查蜂发现的食物源，并将该侦查蜂转换为采蜜蜂；