【端元提取算法综述6000字】

端元提取算法综述 11.1纯净像元指数法 21.2NFINDR算法 31.3顶点成分分析算法 51.4自动形态学端元提取算法 61.5离散粒子群优化算法 9不足或有噪声端元存在),因此端元提取算法的选择是本文研究的重点之一。(1)基于像元光谱的纯度确定端元：最典型的算法为光谱最小信息熵(SpectralErrorAnalysis,IEA)[101。该算法由Boardman等人提出，主要用于从遥感影像中寻找确定高纯度像元，其T2上的投影都位于线段的端点处，像元点B只有其中一个向量上的投影位于线段的端点处，而像元点C在两个向量上的投影都位于线ABPPI算法的主要思想如下：(2)构造一个特征空间，将由MNF变换后数据随机生成的测试向量置入其中于向量的两端，若是则将该点的纯像元指数累加1。迭代上述步骤，直到所有像像元存储为候选像元[68],最终可以获得投影位置处于两端的若干像元及该像元(3)设定一个阈值，将记录次数大于该阈值的像元选入候选端元集中；的影响而无法消除其影响，从而使得此算法对噪声异常敏感；最后，PPI算法需N-FINDR是端元提取算法中的一个经典算法，该算法利用遥感数据在L维端元端元A端元C端元B影像的端元，如图3-2所示。以此类推，在L维空间中，获取端元等价于寻找构V是指的端元M={m,m,…mp}所构成的单形体的体积；最后获取影像端元的问题就变成了求解构成体积算，因为在利用N-FINDR进行端元提取之前，若要求解p个端元，则需将光谱空间的维数降至p-1维。(1)数据降维：通过PCA(PrincipalComponentAnalysis)算法将遥感影像降到p-1(2)初始化：从遥感影像中随机选取p个光谱组成矩阵M⁰={m,m2,…m?作(3)计算单形体体积：每次迭代运算中，计算端元矩阵构成的单形体的体积，根据公式(4);(4)迭代收敛判断：就是通过迭代计算获取构成体积最大的单形体的端元矩这里将遥感影像中每个像元光谱y(i,j)分别替代端元矩阵M*中的各个端元光谱，并计算体积Mk+1,当Mk+¹>Mk时，以y(i,j)替代原来的端元光谱，不断迭代上述过程，直的体积变化小于人为设定的最小阈值时，结束迭代，将最后的Mk作为端元光谱但是，当影像光谱中不存在纯像元时，N-FINDR算法只能在影像中找出纯算法的初始端元是随机选择的，因此当多次运行N-FINDR算法后所获得的端元1.3顶点成分分析算法了比较，实验证明了在提取端元的效率方面，VCA算法相交于PPI算法和N-FINDR算法具有较大的优势，当需要处理的光谱数据体量巨大时，效率提升更为明显。VCA算法是全自动端元提取算法，不需要任何的先验知识，它首先通过投影的方式来降低算法的时间复杂度，与PPI算法不同的是，VCA算法改PPI算法相比省去了数据降维等步骤，实现了高效率地端元提取，其原理可以用图3-7简要表示。图2.1显示了VCA算法中混合像元被3个端元线性代表的原理。该算法通据被投影到一维方向上，将投影的极值点记为端元am;在第二次迭代时，影像数据投影到二维方向上，该方向与第一次迭代时的am正交，将本次投影的极值点记为端元bm;第三次迭代时，影像数据投影到三维方向上，该方向同时正交于第一次迭代的am和第二次迭代的bm,将本次投影的极值点记为端元cm。将述三次迭代得到的am,bm,cm作为最终提取的端元：当像亓中存在多个端元时.1.4自动形态学端元提取算法自动形态学端元提取(AMEE)算法是将遥感影像光谱域和空间域的信息相结合来进行端元提取的算法，Plaza等人提出AMEE算法，并证明结合光谱领和由公式2.4.3给出的定义，有两种方法能够将膨胀和腐蚀的定义扩展到遥感影像(1)纯度指标用各个像元到光谱空间元素中心距离表示P个像元的光谱空间K元素的中心：光谱空间K元素内其中一个像元f(i,j)与该光谱空间元素中心的距离：d(i,j)=(i,j)(Kf)=arg{max{D(K,f(e表示K中最大混合程度的像元。如图2.2所示。(2)纯度指标用某一个像元与结构空间元素内除此像元外的距离总和表示若结构空间元素K里的其中一个像元用f(i,j)来表示，那么此像元距结构空间中其他像元f(s,t),(s,t)∈K,定义累积距离总和为：光谱空间的中心与最大像元的距离用d(i,j),d表示最高纯度的像元，e(i,j)表示K内最大混合程度的像元，如图3-9所示。的定义，其数值和d(i,j)与e(i,j)之间SAD相等，MEI赋值给光谱空间(1)将遥感影像Y∈R*N数据和对估计的端元P数目输入。混合像元e与k中最高纯度像元d;(6)s=s+1,若s=1mx,则进行下一步的操作；否则，用(K同时使光谱空间元素增加，之后再返回步骤(4)的操作；滑动结构空间元素K,在各个(x,y)1.5离散粒子群优化算法对这个问题，Zhang等人提出的离散粒子群端元提取算法(D-PSO)选用二进制(2)像元速度和位置的更新方式：设第i个像元在时刻t的位置为X'=(X;,…,X,…,X)。速度为V'=(V;,…,V,…,V)第i个像元在时刻t的历史其中，q表示粒子速度的大小，T和R分别为随机选择函数。也和标准PSO相同。(3)适应度函数：针对所要解决的问题构建的目标函数就是果RMSE的值越小，则重构数据和原始数据越接近。在D-PSO算法D-PSO算法的主要思想为：步骤1:输入遥感影像数据、初始化粒子的数目、粒子的位置和最大迭代值；步骤2:通过粒子的位置得到相应的端元矩阵，采取