[发明专利]一种基于量子粒子群算法的高光谱图像端元提取方法有效
| 申请号： | 201610205990.1 | 申请日： | 2016-04-05 |
| 公开（公告）号： | CN105787957B | 公开（公告）日： | 2018-03-02 |
| 发明（设计）人： | 杜博;刘蓉;张良培;张乐飞 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06N3/12 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙)42222 | 代理人： | 魏波 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 子粒 子群 算法 光谱 图像 提取 | ||
1.一种基于量子粒子群算法的高光谱图像端元提取方法，其特征在于，包括以下步骤：
步骤1：估计高光谱图像的端元数P；
步骤2：使用行列编码方式初始化粒子的位置；粒子群中每个粒子的位置是维度为2*P的向量，前P维的值表示初始化的每个端元在图像中的行号，后P维的值表示初始化的每个端元在图像中的列号；初始化值随机选取；
步骤3：计算粒子的适应度函数值；
步骤4：更新粒子的个体最优位置和群体的历史最优位置；
步骤5：更新粒子的位置；
步骤6：判断迭代是否收敛；
若是，则继续执行下述步骤7；
若否，则回转执行步骤3；
步骤7：计算粒子的适应度函数值；
步骤8：更新粒子的个体最优位置和群体的历史最优位置；
步骤9：更新粒子的位置；
步骤10：判断迭代是否收敛；
若是，则结束优化过程；
若否，则回转执行步骤7。
2.根据权利要求1所述的基于量子粒子群算法的高光谱图像端元提取方法，其特征在于：步骤3中是使用最大体积目标函数计算粒子的适应度函数值。
3.根据权利要求1所述的基于量子粒子群算法的高光谱图像端元提取方法，其特征在于：步骤4中是使用合作机制更新粒子的个体最优位置和群体的历史最优位置，对粒子的每一维分别进行适应度函数评价，使每一维分别对最优解的选取做出贡献，不会因为维数增多而加大寻优的难度。
4.根据权利要求1所述的基于量子粒子群算法的高光谱图像端元提取方法，其特征在于：步骤6中判断迭代是否收敛，若粒子都聚集到相同的位置或达到设置的最大迭代次数，则迭代收敛。
5.根据权利要求1所述的基于量子粒子群算法的高光谱图像端元提取方法，其特征在于：步骤7中是使用最小重构残差目标函数计算粒子的适应度函数值。
6.根据权利要求1所述的基于量子粒子群算法的高光谱图像端元提取方法，其特征在于：步骤8中是使用合作机制更新粒子的个体最优位置和群体的历史最优位置。
7.根据权利要求1所述的基于量子粒子群算法的高光谱图像端元提取方法，其特征在于：步骤10中判断迭代是否收敛，若粒子都聚集到相同的位置或达到设置的最大迭代次数，则迭代收敛。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉大学，未经武汉大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201610205990.1/1.html，转载请声明来源钻瓜专利网。
