基于ANN端元估计的高光谱图像解混算法

作者：张衡; 贾志成; 陈雷; 郭艳菊

来源：计算机应用研究, 2020, (04): 1221-1225+1238.

DOI：10.19734/j.issn.1001-3695.2018.10.0777

• 高光谱图像解混
• 人工神经网络
• 端元估计
• 差分搜索算法 hyperspectral images unmixing
• ANN
• endmember estimation
• differential search algorithm(DSA)

针对高光谱图像解混问题进行研究,发现传统解混算法在保持端元数目不变的情况下,得到的解混精度不高。为此,基于人工神经网络(artificial neural network,ANN)提出一种估计单像素点中端元数目和类别的解混算法。首先利用人工神经网络对遥感图像中各个像素的端元数目和类别进行估计;之后依据估计结果确定解混算法的目标函数,并引入改进的差分搜索算法对目标函数进行优化求解;最终获取地物丰度和待求参数,实现高光谱图像的解混。仿真数据和真实遥感数据实验表明,与现有的解混算法相比,所提解混算法具有更高的解混性能,更加符合实际场景的情况。

• 单位
  电子信息工程学院; 天津商业大学; 电子工程学院; 河北工业大学; 天津大学