一种高光谱图像端元提取方法及装置的制造方法
【技术领域】
[0001] 本发明涉及高光谱图像技术领域，更具体的说，涉及一种高光谱图像端元提取方 法及装置。
【背景技术】
[0002] 高光谱图像是一种光谱分辨率在101数量级范围内的光谱图像。由于成像光谱仪 空间分辨率的限制，使得混合像元问题在高光谱图像中广泛存在。解决混合像元问题的方 法称为混合像元分解，其目的是分析出混合像元中包含哪些物质（称为端元）以及它们所 占的比例（称为丰度）。
[0003] 混合像元分解常用的模型为线性光谱混合模型，以线性光谱混合模型为基础的端 元提取方法可以根据设计思路具体分为几何学方法、统计学方法、稀疏表示方法和融合空 间信息方法等类型，其中，几何学方法最为常用。采用几何学方法时通常应用纯像元假设， 即要求高光谱图像中存在纯像元。但是，在实际情况中，像元集中并不包含全部端元，即某 些（甚至全部）端元在高光谱图像中没有对应的纯像元，导致部分像元点会散落在特征空 间中单形体外，从而使得包含点云的最小形体和被点云包含的最大单形体都不能很好的还 原真实的端元情况。而且，对于噪声较大或高度混合的数据采用纯像元假设很难得到符合 要求的端元提取结果。
[0004] 综上，如何提供一种高光谱图像端元的提取方法及装置以获得符合要求的端元提 取结果是本领域技术人员亟待解决的技术问题。
【发明内容】
[0005] 有鉴于此，本发明提供一种高光谱图像端元提取方法及装置，以解决利用纯像元 假设无法获得符合要求的端元提取结果的问题。
[0006] -种高光谱图像端元提取方法，包括：
[0007] 获取降维后的高光谱图像，并确定适应度函数；
[0008] 初始化参数，包括，采蜜蜂数量凡，跟随蜂数量N。，最大迭代次数imax和身份转换参 数K ;
[0009] 在可行解空间中随机产生凡个可行解，每一个所述可行解作为一只采蜜蜂对应的 食物源；
[0010] 采蜜蜂在当前第一食物源的邻域内搜寻第一新食物源，利用所述适应度函数计算 所述第一新食物源的适应度值，并选择所述当前第一食物源和所述第一新食物源中适应度 值大的替换所述当前第一食物源；
[0011] 采蜜蜂分享食物源信息给跟随蜂，跟随蜂利用所述适应度函数计算所有食物源的 适应度值，并根据所述适应度值计算每个食物源对应的选择概率；
[0012] 跟随蜂按照所述选择概率选择当前第二食物源，并在所述当前第二食物源的邻域 内二次搜寻第二新食物源，利用所述适应度函数计算所述第二新食物源的适应度值，并选 择所述当前第二食物源和所述第二新食物源中适应度值大的食物源替换所述当前第二食 物源；
[0013] 利用跟随蜂选取的食物源更新之前获得的最优解；
[0014] 判断凡个采蜜蜂中是否有连续K次没有更新食物源的采蜜蜂；
[0015] 如果否，则从所述可行解空间随机产生N。个可行解，每一个所述可行解作为一只 侦查蜂发现的食物源，并将该侦查蜂转换为采蜜蜂；
[0016] 如果是，则将连续K次没有更新食物源的采蜜蜂转换为侦查蜂，并继续执行所述 从所述可行解空间随机产生N。个可行解，每一个所述可行解作为一只侦查蜂发现的食物 源，并将该侦查蜂转换为采蜜蜂；
[0017] 判断当前迭代次数是否达到所述最大迭代次数
[0018] 如果是，则输出端元提取结果；
[0019] 如果否，则返回重复执行所述采蜜蜂在当前第一食物源的邻域内搜寻第一新食物 源，利用所述适应度函数计算所述第一新食物源的适应度值，并选择所述当前第一食物源 和所述第一新食物源中适应度值大的替换所述当前第一食物源。
[0020] 优选的，所述适应度函数的计算方法为：
[0022] 式中，fit为第i个食物源的适应度值，x i为食物源，f(x)为最优化问题的目标函 数。
[0023] 优选的，最优化问题的目标函数f(x)包括：
[0025] 式中，μν为惩罚系数，为原高光谱图像降维后对应的低维端元，N为 像元个数，j为第j个端元，i为第i个像元，E为{^}$中元素首尾相接得到的MX (M-1) 维向量，即
[0026] 或，
[0028] 式中，为惩罚系数，{§7}7匕为原高光谱图像降维后对应的低维端元，iUl,为原 高光谱图像降维得到的端元，N为像元个数，j为第j个端元，i为第i个像元，均方根
差 ^为像元，％为第j个端元在第i个像元中 ?.· 丰度的估计值，&为第j个低维端元。
[0029] -种高光谱图像端元提取装置，包括：
[0030] 获取单元，用于获取降维后的高光谱图像，并确定适应度函数；
[0031] 初始化单元，用于初始化参数，包括，采蜜蜂数量凡，跟随蜂数量N。，最大迭代次数 1_和身份转换参数K ;
[0032] 食物源选取单元，用于在可行解空间中随机产生凡个可行解，每一个所述可行解 作为一只采蜜蜂对应的食物源；
[0033] 采蜜蜂执行单元，用于采蜜蜂在当前第一食物源的邻域内搜寻第一新食物源，利 用所述适应度函数计算所述第一新食物源的适应度值，并选择所述当前第一食物源和所述 第一新食物源中适应度值大的替换所述当前第一食物源；
[0034] 概率获取单元，用于采蜜蜂分享食物源信息给跟随蜂，跟随蜂利用所述适应度函 数计算所有食物源的适应度值，并根据所述适应度值计算每个食物源对应的选择概率；
[0035] 跟随蜂执行单元，用于跟随蜂按照所述选择概率选择当前第二食物源，并在所述 当前第二食物源的邻域内二次搜寻第二新食物源，利用所述适应度函数计算所述第二新食 物源的适应度值，并选择所述当前第二食物源和所述第二新食物源中适应度值大的食物源 替换所述当前第二食物源；
[0036] 更新单元，用于利用跟随蜂选取的食物源更新之前获得的最优解；
[0037] 第一判断单元，用于判断凡个采蜜蜂中是否有连续K次没有更新食物源的采蜜 蜂；
[0038] 侦查蜂转换单元，用于在所述第一判断单元判断为否的情况下，从所述可行解空 间随机产生N。个可行解，每一个所述可行解作为一只侦查蜂发现的食物源，并将该侦查蜂 转换为采蜜蜂；
[0039] 采蜜蜂转换单元，用于在所述第一判断单元判断为是的情况下，将连续K次没有 更新食物源的采蜜蜂转换为侦查蜂，并继续执行所述侦查蜂转换单元；
[0040] 第二判断单元，用于判断当前迭代次数是否达到所述最大迭代次数i_;
[0041] 输出单元，用于在所述第二判断单元判断为是的情况下，输出端元提取结果；
[0042] 返回单元，用于在所述第二判断单元判断为否的情况下，返回重复执行所述采蜜 蜂执行单元。
[0043] 优选的，所述适应度函数的计算方法为：
[0045] 式中，fit为第i个食物源的适应度值，x i为食物源，f(x)为最优化问题的目标函 数。
[0046] 优选的，最优化问题的目标函数f(x)包括：
[0048] 式中，μν为惩罚系数，为原高光谱图像丨r;匕降维后对应的低维端元，N为像 元个数，j为第j个端元，i为第i个像元，E为$.?中元素首尾相接得到的MX (M-1)维 向量，即
[0049]或，
[0051] 式中，μκ为惩罚系数，浥丨工为原高光谱图像降维后对应的低维端元，沃匕为原 高光谱图像{Μ:降维得到的端元，Ν为像元个数，j为第j个端元，i为第i个像元，均方根
差 ξ为像元，?%为第j个端元在第i个像元中丰 ，' 度的估计值，^为第j个低维端元。
[0052] 从上述的技术方案可以看出，本发明提供了一种高光谱图像端元提取方法及装 置，将高光谱图像端元提取问题中的优化变量对应人工蜂群算法中的食物源位置，每个食 物源的优化由适应度函数决定，采蜜蜂的个数与可行解的个数一致。先是采蜜蜂对相应食 物源的邻域进行一次搜索，并选择当前食物源和搜索到的新食物源中适度值大的替换当前 食物源；所有采蜜蜂完成搜索后，将食物源信息给跟随蜂，由跟随蜂对相应食物源的邻域进 行第二次搜索，并选择当前食物源和搜索到的新食物源中适度值大的替换当前食物源，然 后利用跟随蜂选取的食物源更新之前获得的最优解，重复上述过程，直至迭代次数达到最 大迭代次数，得到端元提取结果。可以看出，本发明采用人工蜂群算法以连续域为可行解空 间搜索端元，可以快速高效的搜索到