深度学习自编码结合混合蛙跳算法提取农田高光谱影像端元

摘要：

针对农田高光谱遥感影像端元提取和混合像元分解精度不高的问题,该文提出了利用深度学习自编码结合混合蛙跳算法的农田高光谱影像端元提取方法.首先,利用深度学习的栈式自编码模型对高光谱影像进行光谱特征提取,优选出备选端元集合;然后将影像端元提取问题转化为组合优化问题,设计了待优化的目标函数,通过混合蛙跳算法对目标函数进行优化从而实现对最佳端元组合的搜索;最后利用人工合成的不同信噪比农田高光谱数据和真实的农田高光谱影像,将该算法与3种现有的主要端元提取方法进行对比.试验结果表明,本文提出的端元提取算法对20、30和40 dB信噪比影像提取结果的平均光谱角分别达到0.10688、0.03032、0.00994.对20、30和40 dB信噪比影像和真实影像提取结果的均方根误差分别达到0.0508、0.0159、0.0051、0.0067.与现有的主要端元提取方法相比,该方法具有端元提取精度高、对不同等级噪声鲁棒性好等优势,在农田高光谱遥感监测中具有广阔的应用前景.

关键词：作物、遥感、图像处理、高光谱、端元提取、栈式自编码、混合蛙跳算法

所属期刊栏目：35

分类号：TP394.1;TH691.9(计算技术、计算机技术)

资助基金：国家科技基础条件平台项目Y719H71006;中科院信息化专项XXH13506;甘肃省高校科技转化项目2017D-27

在线出版日期：2019-05-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：167-173