论文部分内容阅读
在高光谱图像中，线性混合像元和非线性混合像元同时存在，若采用基于单一混合模型的解混算法，会使解混精度降低。因此，提出采用神经网络对高光谱图像中的像元混合模型进行估计，然后针对不同的混合模型进行相应的像元解混。像元解混时，在目标函数中添加丰度非负和丰度和为一约束项，利用差分搜索算法优化求解目标函数以实现高光谱图像的解混。仿真和实际高光谱数据实验表明，本算法提高了解混精度，适用于线性和非线性混合模型。