在高階非線性混合模型的基礎(chǔ)上,提出一種多目標高光譜圖像解混算法,解決傳統(tǒng)方法受高光譜數(shù)據(jù)異常值影響而解混精度不高的問題。該算法以重構(gòu)誤差與光譜角分布為目標函數(shù)建立優(yōu)化模型,并同時優(yōu)化兩目標函數(shù)以減少數(shù)據(jù)異常值對模型求解的影響,使解混結(jié)果在兩個評價指標上得到提升;最后采用差分搜索算法求解多目標優(yōu)化模型,解決梯度類優(yōu)化方法易陷入局部極值的問題,從而進一步提升解混精度。實驗結(jié)果表明,文中算法與傳統(tǒng)高光譜解混算法相比,具有更精確的端元豐度估計結(jié)果和更高的解混精度。 

【文章頁數(shù)】：7 頁

【部分圖文】：

異常值對直線擬合影響示意圖

Samson場景圖

Cuprite場景圖

【參考文獻】：
期刊論文
[1]基于微分搜索的高光譜圖像非線性解混算法[J]. 陳雷,郭艷菊,葛寶臻.  電子學(xué)報. 2017(02)
[2]基于回溯優(yōu)化的非線性高光譜圖像解混[J]. 陳雷,甘士忠,孫茜.  紅外與激光工程. 2017(06)



本文編號：3714822