[发明专利]基于神经网络的高光谱图像非线性解混方法

摘要

本发明属于图像处理技术领域，为提供基于神经网络的高光谱图像非线性解混方法，能有效完成相应的提取端元并获得端元丰度和非线性系数的工作，使解混效果得到进一步的提高。本发明：基于神经网络的高光谱图像非线性解混方法，包括如下步骤：(1)：输入高光谱图像数据；(2)：随机产生足够数量的训练样本和测试样本；(3)：利用训练好的多层感知器神经网络提取出高光谱图像中单个像素点的丰度和非线性系数；(4)：使获得的丰度满足对应的约束条件；(5)：重复对图像内所有像素点进行解混后停止计算；否则，返回步骤(3)；(6)：通过计算重构误差和光谱角距离来评价该发明的算法性能。本发明主要应用于图像处理。

主权项

1.一种基于神经网络的高光谱图像非线性解混方法，其特征是，步骤如下：步骤(1)：输入高光谱图像数据，采用提取真实高光谱数据端元算法提取真实高光谱图像的端元；步骤(2)：按照广义的双线性模型GBM随机产生足够数量的训练样本和测试样本，在满足丰度非负，同时丰度和为一约束条件下随机设定像素点的丰度和非线性系数的条件下，产生固定数量的样本；训练多层感知器(Multi‑layer perceptron,MLP)神经网络，并测试其预估性能；步骤(3)：利用训练好的多层感知器神经网络提取出高光谱图像中单个像素点的丰度和非线性系数；步骤(4)：在神经网络提取单个像素点的丰度后，对获得的丰度进行丰度非负和丰度和为一映射，使获得的丰度满足对应的约束条件；步骤(5)：重复对图像内所有像素点进行解混后停止计算；否则，返回步骤(3)，对下一像素继续解混；步骤(6)：由上步获得的丰度和非线性系数重组获得估计的单个像素点，通过计算重构误差和光谱角距离来评价该方法的算法性能。