优化方面相对于其他群智能算法更具优势，以连续域为可 行解空间搜索端元，可以避免使用纯像元假设。
[0156] 对于高光谱图像中没有纯像元的情况，本发明仍然适用。
[0157] 2、能够灵活设计目标函数。
[0158] 人工蜂群算法对可行解空间是否为凸集、目标函数是否为凸函数均没有特别的要 求，通过求解公式（5)和（7)的目标函数，可以使端元提取算法具有更强的鲁棒性。
[0159] 对于信噪比较低的情况，本发明仍然适用。
[0160] 其中，目标函数包括公式（5)和公式（7)的具体推导过程请参见方法实施例对应 部分。
[0161] 需要说明的是，装置实施例中各组成部分的工作原理请参见对应方法实施例部 分，此处不再赘述。
[0162] 最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将 一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作 之间存在任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体 意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括 那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或 者设备所固有的要素。在没有更多限制的情况下，由语句"包括一个……"限定的要素，并 不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0163] 本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他 实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0164] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。 对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的 一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明 将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一 致的最宽的范围。
【主权项】
1. 一种高光谱图像端元提取方法，其特征在于，包括： 获取降维后的高光谱图像，并确定适应度函数； 初始化参数，包括，采蜜蜂数量Nf3，跟随蜂数量N。，最大迭代次数imax和身份转换参数 K； 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； 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； 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； 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； 利用跟随蜂选取的食物源更新之前获得的最优解； 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； 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； 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； 判断当前迭代次数是否达到所述最大迭代次数i_; 如果是，则输出端元提取结果； 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。2. 根据权利要求1所述的高光谱图像端元提取方法，其特征在于，所述适应度函数的 计算方法为：式中，Ht1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。3. 根据权利要求2所述的高光谱图像端元提取方法，其特征在于，最优化问题的目标 函数f (X)包括：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-I)维向量， 即或，式中，μκ为惩罚系数，为原高光谱图像降维后对应的低维端元，为原高光 谱图像〖r,.匕降维得到的端元，N为像元个数，j为第j个端元，i为第i个像元，均方根差元为像元，％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。4. 一种高光谱图像端元提取装置，其特征在于，包括： 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； 初始化单元，用于初始化参数，包括，采蜜蜂数量Nf3，跟随蜂数量N。，最大迭代次数imax 和身份转换参数K ; 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； 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； 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； 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； 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； 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； 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 为米蜜蜂； 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； 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_; 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； 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。5. 根据权利要求4所述的高光谱图像端元提取装置，其特征在于，所述适应度函数的 计算方法为：式中，Ht1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。6. 根据权利要求5所述的高光谱图像端元提取装置，其特征在于，最优化问题的目标 函数f (X)包括：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-I)维向量， 即或，式中，μκ为惩罚系数，为原高光谱图像降维后对应的低维端元，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，4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。
【专利摘要】本申请公开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。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；采蜜蜂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，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。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最优解。
【IPC分类】G06N3/00, G06T7/00
【公开号】CN105354849
【申请号】CN201510781702
【发明人】张兵, 申茜, 孙旭, 高连如, 吴远峰
【申请人】中国科学院遥感与数字地球研究所
【公开日】2016年2月24日
【申请日】2015年11月13日