[发明专利]一种基于量子粒子群的高光谱遥感影像端元提取方法

摘要

本发明公开了一种基于量子粒子群的高光谱遥感影像端元提取方法，本发明首次将量子粒子群优化算法引入到高光谱遥感影像端元提取方法中；其次，采用高维的粒子定义方式，使得粒子在解空间中的运动更具物理意义；最后，采用变异算子，即粒子初始化，来保持种群的多样性，避免种群陷入局部最优。本发明模型参数少，提取结果更精确，在高光谱遥感影像端元提取领域具有很好的应用前景。 1

主权项

1.一种基于量子粒子群的高光谱遥感影像端元提取方法，其特征在于：将高光谱遥感影像分别读入大小为L×n的矩阵R＝{r1,...,rj,...,rn}中，矩阵中每列向量rj＝(r1j,...,rij,...,rLj)T为像素的光谱辐射值，L为高光谱遥感影像的波段数，n为遥感影像的像素数；对高光谱遥感影像矩阵R进行如下操作：步骤1：获得高光谱遥感影像中的端元数目D；采用端元估计方法获得端元数目；步骤2：随机初始化种群，Xi(t)＝(ei,1(t),ei,2(t),...,ei,D(t))i＝1,2,...,M；其中，t表示迭代的次数，首次初始化过程中令t＝0；Xi(t)表示种群中的一个粒子；M表示该种群中粒子的数目；ei，j(0)∈R，表示初始化过程中第i个粒子中的第j个向量，j＝1、2、…、D；步骤3：计算每个初始粒子的个体最优位置Pi(0)及所有粒子的全局最优位置G(0)；Pi(0)＝Xi(0)其中，f(·)表示的是适应度函数，采用端元光谱所构成的单形体的体积作为适应度函数；D表示端元的数目；表示第i粒子中的D个向量的前D‑1个主成分组成的矩阵；步骤4：判断粒子ei,j(t)在下一时刻是否变异；若否，则执行下述步骤5；若是，则执行下述步骤6；步骤5：粒子进化并映射到高光谱图像中；粒子进化方程为：ei,j(t+1)＝pi,j(t)±α·|Cj(t)‑ei,j(t)|·ln[1/ui,j(t)] ui,j(t)～U(0,1)其中，α表示收缩膨胀系数；P_i,j(t)为粒子个体最优位置；G_j(t)为所有粒子的最优位置；u_i,j(t)为一个0～1的随机数；也是一个0～1的随机数；将进化得到的粒子位置映射到图像中，映射过程为：在图像中寻找与进化得到的粒子距离最接近的像素光谱进行替换；步骤6：接受变异，初始化种群粒子位置Xi(t)；步骤7：更新粒子的个体最优位置及所有粒子的全局最优位置；粒子个体最优位置：所有粒子的全局最优位置：步骤8：判断是否达到循环终止条件；如果否，重新执行第4步；如果是，则循环终止，输出最终的结果G(t)。