首页 | 本学科首页   官方微博 | 高级检索  
     

基于布谷鸟搜索算法的高光谱图像解混算法
引用本文:孙彦慧,张立毅,陈雷,李锵,滕建辅,刘静光.基于布谷鸟搜索算法的高光谱图像解混算法[J].光电子.激光,2015,26(9):1806-1813.
作者姓名:孙彦慧  张立毅  陈雷  李锵  滕建辅  刘静光
作者单位:天津大学 电子信息工程学院,天津 300072;天津大学 电子信息工程学院,天津 300072 ;天津商业大学 信息工程学院,天津 300134;天津大学 精密仪器与光电子工程学院,天津 300072 ;天津商业大学 信息工程学院,天津 300134;天津大学 电子信息工程学院,天津 300072;天津大学 电子信息工程学院,天津 300072;天津大学 电子信息工程学院,天津 300072
基金项目:国家自然科学基金(61401307)、中国博士后科学基金(2014M561184)和天津市应用基础 与前沿技术研究计划(15JCYBJC17100)资助项目 (1.天津大学 电子信息工程学院,天津 300072; 2.天津大学 精密仪器与光电子工程学院,天津 300072; 3.天津商业大学 信息工程学院,天津 300134)
摘    要:将独立成分分析(ICA)算法用于高光谱图像解混时 ,算法对丰度的独立性要求与实际地物分布相矛盾;同时, 采用梯度算法对解混目标函数进行优化时,易收敛到局部极值点。针对上述问题,提出在非 负ICA(NICA)模型的目标函数中引入丰度和为一约束(ASC),确保解混出的丰度与实际地物分 布一致;同时,采用布谷鸟搜 索(CS)算法,利用其优异的全局搜索性能对提出的目标函数进行优化求解。为减少参数维数 并缩小CS算法的搜索范围,利用矩阵QR分解理论,将对解混矩阵的搜索转化为对一系列Give s矩阵的识别。仿真 数据和真实高光谱图像数据实验结果表明,提出的算法能有效地克服上述问题,在噪声为30dB、像元纯度为0.8时,解混指标光谱角距离(SAD)和 均方根误差(RMSE)达到了0.03以下,达到良好解混效果。

关 键 词:高光谱图像解混    非负独立成分分析(NICA)    丰度和为一约束(ASC)    布谷  鸟搜索(CS)算法    QR分解
收稿时间:5/7/2015 12:00:00 AM

Hyperspectral image unmixing algorithm based on cuckoo search algorithm
SUN Yan-hui,ZHANG Li-yi,CHEN Lei,LI Qia ng,TENG Jian-fu and LIU Jing-guang.Hyperspectral image unmixing algorithm based on cuckoo search algorithm[J].Journal of Optoelectronics·laser,2015,26(9):1806-1813.
Authors:SUN Yan-hui  ZHANG Li-yi  CHEN Lei  LI Qia ng  TENG Jian-fu and LIU Jing-guang
Affiliation:School of Electronic Information Engineering,Tianjin University,Tianjin 300072,China;School of Electronic Information Engineering,Tianjin University,Tianjin 300072,China ;School of Information Engineering,Tianjin University of Commerce,Tianjin 300134,China;School of Precision Instrument and Optoelectronics Engineering,Tianjin Univers ity,Tianjin 300072,China ;School of Information Engineering,Tianjin University of Commerce,Tianjin 300134,China;School of Electronic Information Engineering,Tianjin University,Tianjin 300072,China;School of Electronic Information Engineering,Tianjin University,Tianjin 300072,China;School of Electronic Information Engineering,Tianjin University,Tianjin 300072,China
Abstract:
Keywords:hyperspectral image unmixing  non-negative independent component analysis (NICA )  abundance sum-to-one constraint (ASC)  cuckoo search (CS) algorithm  QR dec omposition
点击此处可从《光电子.激光》浏览原始摘要信息
点击此处可从《光电子.激光》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号