基于離散人工蜂群算法的高光譜圖像端元提取方法.pdf

1、混合像元分解一直是高光譜遙感圖像研究領(lǐng)域的一個熱門話題?；旌舷裨纸饧夹g(shù)主要分為兩個過程：端元提取和豐度反演。而混合像元分解的關(guān)鍵技術(shù)之一就是端元提取，亦是本文的研究重點。在近幾年來，群智能算法逐漸被應(yīng)用于端元提取技術(shù)，比如DPSO-EE和ACO-EE等方法。目前大多數(shù)端元提取方法都是基于線性混合模型（Linear Mixture Model,LMM），但是根據(jù)以往的經(jīng)驗，我們發(fā)現(xiàn)了一些在混合像元分解過程中不可避免的缺點。一是由于異常點

2、的存在導(dǎo)致端元識別錯誤，二是當(dāng)高光譜圖像中存在較大噪聲時會導(dǎo)致端元無法被識別。
　　人工蜂群算法是一種新興的群智能算法，本文基于離散人工蜂群算法（ Discrete Artificial Bee Colony Algorithm for Endmember Extraction,DABC-EE）提出了一種新的高光譜端元提取方法，這種方法可以有效的解決上述存在的兩個問題，而且能更加準確的提取端元光譜，并且確定出高光譜圖像中端元所在位

3、置。本文對當(dāng)前國際經(jīng)典和前沿的十三種具有代表性的端元提取方法進行比較研究，包括PPI、IEA、AVMAX、MVES、SPA、N-FINDR、VCA、SPICE、PCOMMEND、MVSA、MVC-NMF、DPSO-EE和ACO-EE，這些方法基于不同的數(shù)學(xué)模型，本文將這些算法劃歸為四大類，即基于純像元假設(shè)、基于最小體積模型、基于統(tǒng)計模型和基于群智能算法。并通過理論和實驗兩種方式對這些方法進行綜合性的對比和分析，歸納總結(jié)其優(yōu)勢和存在的問題

4、。
　　本文共分為五個章節(jié)，第一、二章主要介紹混合像元分解過程中端元提取技術(shù)的研究意義及研究進展，并簡述了混合像元產(chǎn)生的原因，及混合像元分解的技術(shù)流程。第三章闡述了當(dāng)前國際上較為流型的十三種端元提取方法。第四章詳細講述了基于離散人工蜂群算法的端元提取方法。在本文的第五章，通過對各種端元提取方法進行定量比較，并進行綜合分析，對比出各個算法的優(yōu)缺點，得出的結(jié)果也進一步支持本文提出的基于離散人工蜂群算法的高光譜端元提取方法的優(yōu)勢，本文研