[發明專利]一種基于模因優化的多目標端元識別方法

在審

• 申請號: 202210588220.5
• 申請日: 2022-05-27
• 公開（公告）號: CN115131659A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 蔣祥明;公茂果;詹濤;李豪;劉潔怡;張明陽;唐澤棟;王善峰
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/58;G06N3/12
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 勾慧敏

1.一種基于模因優化的多目標端元識別方法，其特征在于，包括：

S1：獲取待識別端元的原始高光譜圖像；

S2：根據原始高光譜圖像的數據，基于純像元假設采用頂點成分分析修剪高光譜圖像的像元構造自詞典；

S3：基于所述自詞典構建高光譜圖像端元識別的多目標優化模型；

S4：基于模因優化算法獲得所述多目標優化問題模型的非支配解集；

S5：利用所述多目標優化問題模型的非支配解集，基于膝點法確定最優端元組合。

2.根據權利要求1所述的基于模因優化的多目標端元識別方法，其特征在于，所述S2包括：

S2.1：生成維度與所述原始高光譜圖像波段相等的k個單位隨機向量u₁,u₂,…,u_k；

S2.2：將所述原始高光譜圖像中所有像元a₁,a₂,…,a_N分別向所述k個單位隨機向量上投影，其中，N表示原始高光譜圖像中的像元個數；

S2.3：統計每個像元落在所述k個單位隨機向量最兩端的累計次數t₁,t₂,…,t_N；

S2.4：選出所述累計次數最多的M個像元構成自詞典A＝(a₁,a₂,…,a_M)。

3.根據權利要求1所述的基于模因優化的多目標端元識別方法，其特征在于，所述多目標優化問題模型為

其中，Y表示L×N維原始高光譜圖像數據，L表示圖像的波段數目，N表示圖像的像元數目，E表示L×L維單位矩陣，A表示L×M維自詞典，I表示M維0-1向量，A_I表示A中對應于I的非零元素的列構成的矩陣，為A_I的列空間上的投影矩陣，的計算公式為：||I||₀表示統計I中非零元素的個數。

4.根據權利要求3所述的基于模因優化的多目標端元識別方法，其特征在于，所述S4包括：

S4.1：設定多目標優化問題的子問題數目pop，并構造一組單目標子問題，在(0,1)和(1,0)之間均勻產生pop個權重向量構造一組單目標子問題

其中，和為向量λ_i中的元素；

S4.2：根據權重向量間的歐式距離為每個子問題Subp_i尋找T個最近的鄰居子問題，將其索引集合記為B{i}；

S4.3：令Ι_i等于M維標準單位向量e_i，初始化種群計算每個個體的目標向量F(I_i)，并將目標向量的集合記為

S4.4：將所述初始化種群中的個體作為父代個體，對每個父代個體進行多點交叉重組獲得子代新個體

S4.5：對所述子代新個體中的元素進行位反轉變異獲得變異后的個體

S4.6：基于高光譜圖像數據的空間分布，構造啟發式局部搜索算子對變異后的個體進行更新；

S4.7：對于所有的l∈B{i}∪i，若則令并更新個體集合與個體的目標向量集合

S4.8：令迭代次數Iter＝Iter+1，重復執行步驟S4.4～S4.7，直至滿足Iter到達設定的最大迭代次數終止迭代，得到最終的種群PS和種群的目標向量PF；

S4.9：將非優解及其目標從最終的種群PS和種群的目標向量PF中移除。

5.根據權利要求4所述的基于模因優化的多目標端元識別方法，其特征在于，所述S4.4包括：

對于每一個個體Ι_i，從集合B{i}∪i中任選兩個子問題索引j,k，采用多點交叉策略對個體Ι_j和Ι_k進行重組，得到子代新個體即

其中，r表示M維隨機向量，其第d個元素r^d取值在[0,1]區間內，cr為常數，分別表示Ι_j,Ι_k,的第d個元素。