[发明专利]基于樽海鞘群的高光谱图像解混方法

说明书

本发明公开了一种基于樽海鞘群的高光谱图像解混方法，利用基于阴影的多重线性混合模型重构光谱数据，将高光谱解混问题转化成最优化问题，避免了传统解混方法复杂的公式计算。同时，采用樽海鞘群算法求解构造的目标函数，利用樽海鞘群算法求解精度高的优势，得到更高的解混精度。

技术领域

本发明涉及图像处理领域，具体是涉及一种基于樽海鞘群的高光谱图像解混方法。

背景技术

遥感图像能够提供自然资源信息和环境信息，而高光谱图像解混技术是分析遥感图像中地物信息的重要技术。由于自然环境中地表地物复杂，而且光谱仪获取的高光谱图像容易受到大气的影响，使得高光谱图像分析过程变得十分复杂。为了对地表地物进行更精确的识别，高光谱图像解混技术变得尤为重要。

樽海鞘群算法是一种新型的智能优化算法，机制简单易懂，易于实现，可以用来解决最优化问题。基于阴影的多重线性混合模型(Shadow Multilinear Mixing Model，SMLM)是一种针对高光谱解混问题的通用模型，既保留了混合光谱的一般属性，同时考虑了真实场景下的阴影效应。

为了得到更高的解混精度，准确地估计地物比例信息，国内外研究学者提出了很多解混方法。基于非线性模型的解混方法主要分为贝叶斯方法和梯度法，但是贝叶斯方法计算复杂，解混效率较低，梯度法易陷入局部极值，解混精度低。所以，非线性模型下的高光谱图像解混效果有待提高。

发明内容

本发明的目的是为了克服现有技术中的不足，提供基于樽海鞘群的高光谱图像解混方法，该方法利用基于阴影的多重线性混合模型重构光谱数据，将高光谱解混问题转化成最优化问题，避免了传统解混方法复杂的公式计算。同时，采用樽海鞘群算法求解构造的目标函数，利用樽海鞘群算法求解精度高的优势，得到更高的解混精度。

本发明的目的是通过以下技术方案实现的：

基于樽海鞘群的高光谱图像解混方法，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。

进一步的，步骤二具体包括：

高光谱图像SMLM混合模型的表达式为：