FAN模型的双种群差分进化光谱解混算法

编号 zgly0001589988

文献类型 期刊论文

文献题名 FAN模型的双种群差分进化光谱解混算法

作者 张锐豪  罗文斐  钟亮  覃事银  李倩倩 

作者单位 华南师范大学地理科学学院  广东水利电力职业技术学院计算机信息工程系 

母体文献 遥感学报 

年卷期 2017年02期

年份 2017 

分类号 TP751  TP18 

关键词 高光谱遥感  光谱解混  双线性混合模型  差分进化算法  双种群机制 

文摘内容 双线性混合模型是近年来非线性光谱解混的研究重点之一,其克服了线性混合模型无法描述地物多重散射作用的缺陷,能够更精确地还原真实的地物光谱混合过程。然而,限于模型的复杂性,目前在缺乏准确的端元先验知识的条件下进行双线性光谱解混仍是一项具有挑战性的任务。差分进化算法(DE)是一种具有良好全局搜索能力的群智能优化算法,其优化求解过程无需进行复杂的数学推导,为双线性光谱解混问题提供了一种有效的解决途径。为此,本文以FAN双线性混合模型为例,提出了一种双种群机制的差分进化算法(记为DEFAN),实现非监督双线性光谱解混。DE-FAN算法通过建立端元与丰度两个种群的交替进化机制寻找最优解,同时在迭代中引入自适应重构策略增强种群多样性,降低算法陷入局部最优解的风险,最终实现端元与丰度的同时估计。通过模拟图像及真实图像的解混实验进行算法检验,证明DE-FAN算法较之传统非线性解混算法具有更高的解混精度及解混效率。