[发明专利]基于樽海鞘群的高光谱图像解混方法

权利要求书

1.基于樽海鞘群的高光谱图像解混方法，其特征在于，包括以下步骤：

步骤一，采用基于几何的端元提取算法VCA提取图像端元，得到端元光谱曲线和端元数目R；

步骤二，根据端元数目R，利用高光谱图像SMLM混合模型确定搜索空间维数D和位置编码；

步骤三，设定樽海鞘群的种群规模、迭代次数和搜索空间上下边界；

步骤四，在搜索空间范围内，初始化樽海鞘群个体的位置；

步骤五，构造目标函数，计算各樽海鞘群个体在当前位置X_i对于目标函数的适应值；

步骤六，樽海鞘群中的领导者个体根据领导者的位置更新公式移动，樽海鞘群中的跟随者个体根据跟随者的位置更新公式移动；

步骤七，根据目标函数计算更新位置后的每个樽海鞘个体适应值，若小于当前位置X_i的适应值，则由更新位置代替当前位置X_i，否则仍然保留当前位置X_i不变；

步骤八，对当前位置X_i中的丰度矢量归一化；

步骤九，判断当前迭代次数是否达到预设迭代次数，若已达到，则结束迭代，输出当前樽海鞘群中最优个体的位置从而得到丰度矢量非线性参数和阴影权重否则返回执行步骤六；

步骤十，判断是否对高光谱图像所有像素点进行了解混，若已完成，则结束计算；否则，返回执行步骤四，对下一个像素进行计算。

2.根据权利要求1所述的基于樽海鞘群的高光谱图像解混方法，其特征在于，步骤二具体包括：

高光谱图像SMLM混合模型的表达式为：

R为端元数目，m_i表示第i个端元的光谱曲线，a_i表示第i个端元的丰度值，丰度矢量a_i＝[a₁,…,a_R]^T满足非负性和和为一约束，非线性参数P∈[0,1]，阴影权重Q∈[0,1]。

3.根据权利要求1所述的基于樽海鞘群的高光谱图像解混方法，其特征在于，步骤五具体包括：利用重构误差构造目标函数，表达式为：

其中，||·||表示二范数，丰度必须满足非负性和和为一约束，表示利用SMLM模型重构的数据，y表示观测数据，非线性参数阴影权重

4.根据权利要求1所述的基于樽海鞘群的高光谱图像解混方法，其特征在于，步骤六具体包括：

领导者的位置更新公式如下：

其中，表示第一个樽海鞘个体，在第j维的位置，F_j表示食物源在第j维的位置，将搜索空间上边界ub_j为1，下边界lb_j为0，系数c₁定义如下：

其中，l表示当前迭代次数，L表示总迭代次数，参数c₂和c₃取[0,1]的随机数，

跟随者的位置更新公式如下：

其中，表示第i个樽海鞘个体，在第j维的位置。