农业机械学报

作者：林洁雯，陈建，罗婷文，徐志搏

单位：自然资源部城市国土资源监测与仿真重点实验室;自然资源部超大城市自然资源时空大数据分析应用重点实验室,中国农业大学;深圳市智能微小卫星星座技术与应用重点实验室,自然资源部城市国土资源监测与仿真重点实验室;浙江大学,自然资源部城市国土资源监测与仿真重点实验室;浙江大学,

关键词：高光谱影像;多模态多目标优化算法;端元束提取;光谱解混

基金：国家重点研发计划项目（2022YFD2001405）、自然资源部超大城市自然资源时空大数据分析应用重点实验室开放基金项目（KFKT-2022-05）、浙江省农业智能装备与机器人重点实验室开放基金项目（2023ZJZD2306）、自然资源部城市国土资源监测与仿真重点实验室开放基金项目（KF-2021-06-115）、深圳市科技计划项目（ZDSYS20210623091808026）、北京航空航天大学虚拟现实技术与系统全国重点实验室开放基金项目（VRLAB2022C10）、能源清洁利用国家重点实验室

为解决高光谱影像受传感器及分辨率的影响所产生的光谱变化给解混造成的困扰，提出基于多模态多目标优化的端元束提取方法(MOPSOSCD)。对高光谱图像进行标号编码，采用基于索引的环形拓扑结构进行邻域的个体交互，通过邻域最优改进粒子群速度更新方式并整数化粒子位置更新。同时，根据高光谱图像空间特征，通过改进决策空间拥挤距离提高决策空间的多样性，再结合目标空间的拥挤距离进行综合排序，实现多模态多目标优化的粒子筛选。当粒子定向移动概率pm为0.2、粒子数P为30及迭代次数M为400时，算法在MUUFL数据集上均方根误差(RMSE)及平均光谱角距离(mSAD)分别为0.0088、0.1112。通过对比试验，本文方法相较于VCA、DPSO等方法具有更高的提取精度和效率，为高光谱解混提供了更加准确的端元束提取方法。

来源：2023年第7期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第7期