融合PSO的N-FINDR改進端元提取算法研究.pdf

1、隨著成像和處理技術的進步，高光譜遙感在地質(zhì)勘探、軍事應用、植被檢測、海洋遙感等領域發(fā)揮著越來越重要的作用。但是由于儀器空間分辨率的局限性和地球表面結構的復雜多樣性，圖像中的一個像元往往包含著多種不同的地物類型，從而形成了混合像元。
　　“端元”是高光譜圖像中能詳盡表示待測地物光譜屬性的純像素，可以作為后續(xù)高光譜圖像處理算法的先驗知識。獲取能夠很好地反映待研究地物光譜屬性信息的端元向量，是對高光譜數(shù)據(jù)做進一步分析的重要前提。N-FI

2、NDR是一個經(jīng)典且有效的端元尋找算法，能夠在保證豐度約束性的同時，獲取圖像的實際像元作為端元，對后續(xù)的分類、識別和解混等作用顯著。但理想的N_FINDR算法需要遍歷所有可能的像元組合，計算量巨大。而目前用于加快搜索速度的算法，其最終結果大多在一定程度上受到樣本排序和初始端元集選擇的影響。另外，目前所關注的端元主要包括如軍事目標探測中的異常點，以及圖像組分分析中的大面積成分端元點。在進行圖像主要組分分析時，過多無關端元的參與會降低解混和分

3、類的精度，但目前的端元尋找算法大多并未對這兩類端元進行區(qū)分。
　　論文的研究工作主要包括以下三部分:第一，初始端元集的優(yōu)化。利用基于相關性分析的N-FINDR算法獲取端元集作為初始端元集，降低初始端元間的關系及其對最終結果的不利影響;第二，利用粒子群算法進一步優(yōu)化候選端元。對于與初始端元相關性系數(shù)大于某一閾值的所有像元向量進行粒子群優(yōu)化，以保證選出更接近于真實端元的像元作為最終端元。第三，利用端元變異性定義粒子群算法的優(yōu)化目標。定

4、義新的目標函數(shù)為以每個候選端元為類別中心的Fishier比，即以單形體體積作為類間變異，閾值內(nèi)像元的方差為類內(nèi)變異。選擇能夠最大化該Fishier比值的像元為端元，實現(xiàn)了對異常點（包括噪聲點）的抑制。最后，利用模擬數(shù)據(jù)生成混合像元的影像，驗證改進N-FINDR算法的有效性。
　　以海上溢油檢測和分析為問題背景，關心的主要目標組分是油、水和船。利用真實的機載海上溢油圖像對論文中的算法進行測試，結果進一步驗證了論文所提出算法的有效性。