[發明專利]一種基于排序多變異的多目標差分進化的高光譜端元提取方法及裝置

在審

• 申請號: 202010609532.0
• 申請日: 2020-06-29
• 公開（公告）號: CN111797988A
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 杜博;童旅楊;張良培
• 申請（專利權）人: 武漢大學
• 主分類號: G06N3/12
• 分類號: G06N3/12;G06F17/16;G06K9/20
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 羅飛

1.一種基于排序多變異的多目標差分進化的高光譜端元提取方法，其特征在于，將高光譜端元提取問題轉化成多目標優化問題，通過排序多變異的(μ+λ)多目標差分進化算法來平衡多目標之間的沖突，具體包括：

S1：通過整數編碼來隨機初始化種群，其中，種群中的個體為高光譜影像的一個端元候選解；

S2：采用多變異策略操作通過縮放因子參數池來產生變異向量，其中，變異向量用以增加高光譜影像端元的多樣性；

S3：對種群中的個體和變異向量，采用二項式交叉操作通過交叉控制參數池來生成試驗向量，其中，試驗向量用以保存原個體的部分遺傳信息；

S4：結合快速非支配排序方法和(μ+λ)選擇操作來選擇后代種群，經過反復上述變異、交叉、選擇操作進行多代進化獲得一組非支配的Pareto解集，從而獲得一組高光譜端元提取的結果。

2.如權利要求1所述的端元提取方法，其特征在于，將高光譜端元提取問題轉化成多目標優化問題，通過排序多變異的(μ+λ)多目標差分進化算法來平衡多目標之間的沖突，包括：

高光譜遙感影像讀入大小為L×N的矩陣R中，矩陣中各元素為各波段對應的像素輻射值，L為高光譜遙感影像的波段數，N為高光譜遙感影像的像素數，線性光譜模型表示如下：

R＝EA^T+ε

其中，線性光譜模型用于端元提取，R為高光譜圖像矩陣，E＝[e₁,e₂,...,e_P]為端元矩陣，A＝[a₁,a₂,...,a_P]為豐度矩陣，ε為誤差矩陣；

將端元提取問題轉化為一個多目標優化問題，通過體積的倒數和均方根誤差達到最小值來衡量端元提取的優劣，端元提取多目標優化問題為：

minimize:F(X)＝(f₁(X),f₂(X))

其中，X為端元索引號，Q(X)為端元矩陣，P為端元總數，r為原始影像，為重構影像，重構影像表示如下：

e＝r(X)

其中，e為端元集合，為豐度，通過非負最小二乘方法獲得。

3.如權利要求1所述的端元提取方法，其特征在于，S1具體包括：

采用整數編碼隨機初始化種群X＝{x₁,...,x_i...,x_NP}，函數randperm(N,P)隨機從[1,N]的范圍內選取P個不同的整數，x_i表示種群中的一個個體，即代表一個候選端元解，N代表高光譜圖像中的像素總數量，P代表端元的總數量，NP代表種群中個體的總數。

4.如權利要求1所述的端元提取方法，其特征在于，S2中排序多變異策略操作采用二種不同的變異通過縮放因子參數池生成變異向量，兩種變異策略如下：

“DE/rand/1”策略：

“DE/rand–to-Gbest/1”策略：

其中，F為變異縮放因子，G為當前代數，rand為0到1的隨機數，x_Gbest,G是從Pareto解集中隨機挑選的最好解，和分別為兩種變異策略產生的變異向量，索引r₁,r₂,r₃∈{1,2,...,NP}通過根據篩選的概率進行排序向量隨機篩選，第i個個體的篩選概率如下：

Rank_i＝NP-i,i＝1,2,...NP

其中，p_i為第i個個體的篩選概率，NP為種群數，Rank_i為排序向量。

5.如權利要求1所述的端元提取方法，其特征在于，S3中采用二項式交叉操作通過交叉控制參數池生成試驗向量，二項式交叉如下：

其中，和分別表示根據對應的變異向量生成的試驗向量，j_rand表示[1,P]隨機生成的整數，CR表示交叉概率。