[发明专利]混合像元双线性深层解混方法、系统、应用及存储介质

权利要求书

1.一种混合像元双线性深层解混方法，其特征在于，包括：

A.对双线性光谱混合模型的线性项和双线性项分别进行分层化表征，构建深层双线性光谱混合模型；

B.构建两个分别对应着深层双线性混合模型中线性项和双线性项的深度自编码器，采用多任务学习模式对这两个深度自编码器进行无监督联合训练，直至输入深层双线性混合模型的高光谱图像与它的重构图像之间的重构误差达到收敛时停止训练，最终学习出端元、丰度及表征二阶散射的散射参数。

2.如权利要求1所述的混合像元双线性深层解混方法，其特征在于，所述对双线性光谱混合模型的线性项和双线性项分别进行分层化表征，包括：

将高光谱图像Y表达如下：

Y＝AB+UV+N，其中，表示端元矩阵，表示丰度矩阵,表示虚拟端元矩阵，表示与虚拟端元对应的虚拟丰度矩阵，N表示噪声矩阵，忽略噪声后的高光谱图像表达为：Y＝Y_L+Y_B，表示线性项，Y_L＝AB，表示双线性项，Y_B＝UV；p表示像元数量，d表示波段数量，c表示端元数量，l＝c(c-1)/2；

对线性项Y_L和双线性项Y_B分别进行分层表征，得到：

Y_L＝A₁A₂…A_hB_h

Y_B＝U₁U₂…U_hV_h

其中，

A＝A₁…A_h-1A_h

B＝B_h

U＝U₁…U_h-1U_h

V＝V_h

h表示深层双线性混合模型的层数。

3.如权利要求2所述的混合像元双线性深层解混方法，其特征在于，所述步骤B中，对应线性项的深度自编码器的目标函数为：

每个隐藏层的节点数量均设置为端元的数量c，输入层节点和输出层节点的数量均设置为像元的数量p，隐藏层数量设置为2c-1；

对应双线性项的深度自编码器的目标函数为：

每个隐藏层的节点数量均设置为虚拟端元的数量l，输入层节点和输出层节点的数量均设置为像元的数量p，隐藏层数量设置为2c-1；

采用多任务学习模式对这两个深度自编码器进行无监督联合训练，训练过程中，对线性项的深度自编码器采用第一更新规则进行更新，对双线性项的深度自编码器采用第二更新规则进行更新；直至输入深层双线性混合模型的高光谱图像Y与它的重构图像之间的重构误差达到收敛时停止训练；通过线性项的深度自编码器各层的权重获取端元，通过线性项的深度自编码器中间层节点获取丰度，通过双线性项的深度自编码器更新过程分别获取虚拟端元矩阵和虚拟丰度矩阵，以此得到散射影响矩阵