本文關鍵詞： 高光譜遙感 光譜解混 雙線性混合模型 差分進化算法 雙種群機制　出處：《遙感學報》2017年02期 　論文類型：期刊論文

【摘要】：雙線性混合模型是近年來非線性光譜解混的研究重點之一,其克服了線性混合模型無法描述地物多重散射作用的缺陷,能夠更精確地還原真實的地物光譜混合過程。然而,限于模型的復雜性,目前在缺乏準確的端元先驗知識的條件下進行雙線性光譜解混仍是一項具有挑戰(zhàn)性的任務。差分進化算法(DE)是一種具有良好全局搜索能力的群智能優(yōu)化算法,其優(yōu)化求解過程無需進行復雜的數學推導,為雙線性光譜解混問題提供了一種有效的解決途徑。為此,本文以FAN雙線性混合模型為例,提出了一種雙種群機制的差分進化算法(記為DEFAN),實現非監(jiān)督雙線性光譜解混。DE-FAN算法通過建立端元與豐度兩個種群的交替進化機制尋找最優(yōu)解,同時在迭代中引入自適應重構策略增強種群多樣性,降低算法陷入局部最優(yōu)解的風險,最終實現端元與豐度的同時估計。通過模擬圖像及真實圖像的解混實驗進行算法檢驗,證明DE-FAN算法較之傳統(tǒng)非線性解混算法具有更高的解混精度及解混效率。
[Abstract]:Bilinear mixing model is one of the key points in the research of nonlinear spectral demultiplexing in recent years. It overcomes the defect that linear mixed model can not describe the multi-scattering action of ground objects. The spectral mixing process of real objects can be reduced more accurately. However, it is limited to the complexity of the model. Bilinear spectral unmixing is still a challenging task in the absence of accurate end-element prior knowledge. It is a swarm intelligence optimization algorithm with good global search ability. The optimization process does not need complicated mathematical derivation, which provides an effective way to solve the bilinear spectral unmixing problem. Therefore, the FAN bilinear mixed model is taken as an example in this paper. A differential evolutionary algorithm (DEFAN) based on double population mechanism is proposed. An unsupervised bilinear spectral unmixing. DE-FAN algorithm is implemented to find the optimal solution by establishing an alternative evolutionary mechanism between endmember and abundance. At the same time, adaptive reconstruction strategy is introduced to enhance population diversity. Reduce the risk of the algorithm falling into the local optimal solution, and finally realize the end element and abundance estimation at the same time. Through the simulated image and real image unmixing experiment to verify the algorithm. It is proved that the DE-FAN algorithm has higher precision and efficiency than the traditional nonlinear unmixing algorithm.
【作者單位】： 華南師范大學地理科學學院;廣東水利電力職業(yè)技術學院計算機信息工程系;
【基金】：國家自然科學基金(編號:61673184,41571349,40901232) 高分辨率對地觀測系統(tǒng)重大專項~~
【分類號】：TP751;TP18
【正文快照】： 引用格式:張銳豪,羅文斐,鐘亮,覃事銀,李倩倩.2017.FAN模型的雙種群差分進化光譜解混算法.遙感學報,21(2):239 252Zhang R H,Luo W F,Zhong L,Qin S Y and Li Q Q.2017.Double-population differential evolution algorithm forbilinear spectral unmixing based on FAN mode

【相似文獻】

相關期刊論文 前10條

1 王艷宜;;改進差分進化算法及其應用[J];機械設計與研究;2010年05期

2 張鵬;;基于差分進化的混合地面等待優(yōu)化策略[J];桂林航天工業(yè)高等�？茖W校學報;2012年03期

3 寧桂英;周永權;;一種求解二重積分的差分進化算法[J];哈爾濱理工大學學報;2013年02期

4 王惠卿;;結合機械設計約束處理的差分進化算法[J];電子制作;2013年13期

5 蔡亮;楊啟文;岳興漢;;一種基于混合差分策略的改進差分進化算法[J];河海大學常州分校學報;2007年04期

6 譚躍;譚冠政;;混沌局部搜索策略的差分進化算法[J];重慶工學院學報(自然科學版);2009年05期

7 萬東;;差分進化算法研究及其應用[J];科學技術與工程;2009年22期

8 喬英;高岳林;江巧永;;一種新局部搜索策略的差分進化算法[J];太原理工大學學報;2011年04期

9 曲福恒;胡雅婷;楊勇;谷欣超;;改進差分進化算法及其在模糊聚類分析中的應用[J];長春理工大學學報(自然科學版);2011年04期

10 黃林峰;;基于離散差分進化算法的多維0/1背包問題求解[J];硅谷;2012年20期

相關會議論文 前10條

1 陸絲馨;肖健梅;王錫淮;;基于改進差分進化算法的艦船電網重構[A];第二十九屆中國控制會議論文集[C];2010年

2 樓洋;李均利;陳剛;;基于個體排序的差分進化算法[A];'2010系統(tǒng)仿真技術及其應用學術會議論文集[C];2010年

3 張倩;李海港;;多目標問題的差分進化算法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

4 裴振奎;劉真;趙艷麗;;差分進化算法在多目標路徑規(guī)劃中的應用[A];中國運籌學會模糊信息與模糊工程分會第五屆學術年會論文集[C];2010年

5 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進化算法在三峽電站廠內經濟運行中的應用[A];中國水文科技新發(fā)展——2012中國水文學術討論會論文集[C];2012年

6 劉瀟;桂衛(wèi)華;王雅琳;王曉麗;陽春華;;一種改進的多目標差分進化算法研究[A];中國自動化學會中南六省（區(qū)）2010年第28屆年會·論文集[C];2010年

7 趙娟;蔡濤;鄧方;楊紅偉;;基于改進差分進化算法的脈沖控制方法[A];中國自動化學會控制理論專業(yè)委員會B卷[C];2011年

8 袁沈堅;顧幸生;;基于差分進化的膜計算優(yōu)化算法[A];上海市化學化工學會2010年度學術年會論文集（自動化專題）[C];2010年

9 姜立強;郭錚;劉光斌;;差分進化算法縮放因子取值策略研究[A];2007'儀表，自動化及先進集成技術大會論文集（二）[C];2007年

10 倪惠康;杜文莉;錢鋒;;基于改進差分進化算法的PID參數優(yōu)[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

相關博士學位論文 前10條

1 孫浩;差分進化多目標優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應用[D];燕山大學;2015年

2 陳盈果;面向任務的快速響應空間衛(wèi)星部署優(yōu)化設計方法研究[D];國防科學技術大學;2014年

3 謝宇;差分進化的若干問題及其應用研究[D];南京理工大學;2015年

4 丁青鋒;基于元胞自動機的差分進化算法及其在通信系統(tǒng)中的應用研究[D];上海大學;2015年

5 董峗;差分進化算法研究及在港口物流調度中的應用[D];東北大學;2015年

6 葛延峰;有關智能優(yōu)化算法及應用的若干問題研究[D];東北大學;2013年

7 賈東立;改進的差分進化算法及其在通信信號處理中的應用研究[D];上海大學;2011年

8 劉榮輝;多階段自適應差分進化算法及應用研究[D];東華大學;2012年

9 郭鵬;差分進化算法改進研究[D];天津大學;2012年

10 王旭;改進差分進化算法及其在可逆邏輯綜合中的應用[D];東華大學;2013年

相關碩士學位論文 前10條

1 高靜;量子差分進化算法在油田開發(fā)中的應用研究[D];浙江大學;2015年

2 萬婧;基于離散微粒群算法和混合差分進化算法的復雜生產調度問題求解[D];昆明理工大學;2015年

3 張轉;基于差分進化算法的混凝土德拜模型的研究[D];長安大學;2015年

4 江華;差分進化算法的改進及其在K-means聚類算法中的應用[D];華中師范大學;2015年

5 周志剛;基于差分進化算法的信用風險度量模型研究[D];華中師范大學;2015年

6 任甜甜;差分進化算法在反演問題中的研究與應用[D];新疆大學;2015年

7 楊洋;基于差分進化的模糊C-均值聚類算法研究[D];電子科技大學;2015年

8 王丹;基于輔助函數的自適應差分進化算法研究[D];西安電子科技大學;2014年

9 劉家華;基于進化計算的軋制生產過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學;2013年

10 王旦平;圓形對稱振子陣列天線基于差分進化算法的綜合[D];西安電子科技大學;2014年

，

本文編號：1447843