[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

本發明公開了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，其中的方法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：通過整數編碼來隨機初始化種群，然后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，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，通過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，可以改善高光譜端元的提取效果。

技術領域

本發明涉及遙感影像處理技術領域，具體涉及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。

背景技術

髙光譜成像由于能夠捕獲具有多個光譜帶的圖像的能力而被廣泛用于各種應用中，這些光譜帶可提供診斷光譜信息以識別不同的土地覆蓋類型。由于分辨率的限制，在高光譜圖像中不可避免地會存在混合像素，從而給地面物體的識別和高光譜圖像的準確分析帶來麻煩。

為了解決混合像素的問題，高光譜解混是一種有效的方法，可以將像素光譜分解為純凈像元光譜集合(稱為端元)和相應的端元所占的比例(稱為豐度)。在傳統的混合像元分解技術，由于豐度反演需要利用端元提取的結果，因此端元提取結果的準確度直接影響豐度反演的精度，從而影響解釋的精度。由此可以看出端元提取是高光譜解混中一項重要的任務。

針對高光譜的端元提取的問題，國內外學者進行了深入的研究提出了很多方法。主要研究分為基于凸幾何理論方法、稀疏回歸方法、光譜-空間信息聯合方法、統計學方法和基于智能優化方法。

本申請發明人在實施本發明的過程中，發現現有技術的方法，至少存在如下技術問題：

(1)傳統端元提取方法和基于智能算法端元方提取法都屬于單目標端元提取優化算法，僅僅優化一個目標函數很難全面描述端元的特點。

(2)多次優化單個不同目標函數很難滿足在單次優化中同時達到多個目標函數最優。由于不同的目標函數之間存在的沖突，還需要設計合理的方法來平衡多個目標之間的沖突來獲得一種平衡。

發明內容

本發明提出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，用于解決或者至少部分解決現有技術中的方法存在的端元提取效果不佳的技術問題。

為了解決上述技術問題，本發明第一方面提供了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，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。

在一種實施方式中，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