[发明专利]基于微分搜索的高光谱图像非线性解混方法

摘要

本发明属于高光谱图像处理技术领域，尤其涉及一种基于微分搜索的高光谱图像非线性解混方法，按照下述步骤进行，对实际高光谱图像进行端元提取；确定搜索个体的维数和位置编码；按照目标函数计算各搜索个体适应度值；计算经停位置StopoverSite_i；比较每个搜索个体的当前位置X_i和其经停位置StopoverSite_i的适应度值；根据条件决定是否进行计算。该方法将非线性解混问题转化为最优化问题，克服了传统梯度类优化算法对初始值要求高、易陷入局部收敛的局限性，较之线性解混算法和基于梯度优化的非线性解混算法，具有解混精度更高、稳定性更好的优点。

主权项

一种基于微分搜索的高光谱图像非线性解混方法，其特征在于，按照下述步骤进行：步骤1利用VCA算法对实际高光谱图像进行端元提取；步骤2根据高光谱图像中的端元数目R，按照高光谱图像GBM混合模型确定搜索个体的维数和位置编码；步骤3按照微分搜索算法在搜索空间随机产生搜索个体，设定搜索范围上限up_j＝1和搜索范围下限low_j＝0；步骤4构建目标函数，按照目标函数计算各搜索个体当前位置X_i的适应度值；步骤5根据每个搜索个体的当前位置X_i计算经停位置StopoverSite_i；再按照目标函数计算经停位置StopoverSite_i的适应度值；步骤6比较每个搜索个体的当前位置X_i和其经停位置StopoverSite_i的适应度值，如果经停位置StopoverSite_i的适应度值小于当前位置X_i，则由经停位置StopoverSite_i代替当前位置X_i作为该搜索个体的当前位置，否则仍然保留搜索个体的当前位置X_i；步骤7对当前位置X_i中的丰度矢量部分进行归一化处理；步骤8如果步骤7中归一化处理的结果已经达到最大进化代数，则输出当前搜索群体中最优搜索个体的位置：从而得到丰度矢量和非线性参数矢量否则，转到步骤4进行下一代的进化搜索过程；步骤9如果已经对高光谱图像中的所有像素进行了解混，则停止计算；否则，返回步骤3，针对下一个像素执行解混工作。