[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： | 本发明公开了一种基于量子粒子群算法的高光谱图像端元提取方法，使用行列编码方式对粒子进行编码来提高搜索效率，并引入合作机制对粒子的个体最优位置和群体的历史最优位置进行更新，避免“维数灾难”问题。在目标函数的设计方面，巧妙结合最大体积目标函数和最小重构残差目标函数来进行最优端元组合的选取，可以在合理的时间代价下实现对端元的提取，搜索到的最优端元对噪声具有鲁棒性。 | ||
| 搜索关键词： | 一种 基于 子粒 子群 算法 光谱 图像 提取 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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/patent/201610205990.1/，转载请声明来源钻瓜专利网。
