深度学习自编码结合混合蛙跳算法提取农田高光谱影像-农业工程学报.PDFVIP

第 35 卷 第 6 期 农 业 工 程 学 报 Vol.35 No.6 2019 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2019 167 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 1,2 1※ 3 韩立钦 ，张耀南 ，秦其明 （1. 中国科学院西北生态环境资源研究院，兰州 730070 ；2. 中国科学院大学，北京 100049 ； 3. 北京大学地球与空间科学学院，北京 100871 ） 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 0.106 88、0.030 32、0.009 94 。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 0.050 8、0.015 9、0.005 1、0.006 7 。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 doi ：10.11975/j.issn.1002-6819.2019.06.020 中图分类号：TP394.1 ；TH691.9 文献标志码：A 文章编号：1002-6819(2019)-06-0167-07 韩立钦，张耀南，秦其明. 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[J]. 农业工程学报，2019，35(6)： 167－173. doi ：10.11975/j.issn.1002-6819.2019.06.020 Han Liqin, Zhang Yaonan, Qin Qiming. Endmember extraction of farmland hyperspectral image using deep learning autoencoder and shuffled frog leaping algorithm[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2019, 35(6): 167 － 173. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2019.06.020 法[12] ，个体进化策略法[13] ，顶点成分分析法[14] ，独立成 0 引 言  分分析法[15]等。近年来，端元提取始终是高光谱遥感领 高光谱遥感为每个成像像元提供了很窄的成像波段 域研究的热点问题之一，一些新的方法也不断涌现，如