基于改进差分进化算法的自适应端元束提取方法，用于解决地质-1高光谱图像中的光谱变化问题

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Adaptive Endmember Bundle Extraction with a Modified Differential Evolution Algorithm for Addressing Spectral Variability in Geology-1 Hyperspectral Imagery

　　

摘要：

高精度提取蚀变矿物信息为高光谱遥感找矿提供了重要依据。目前，常用的各类高光谱数据集（如ZY-1 02D和GF-5）在光谱覆盖范围及针对矿物的敏感波段选择方面缺乏针对性设计。中国首颗专为地质和矿产勘查设计的高光谱卫星——地质一号的成功发射填补了这一空白，为详细识别蚀变矿物提供了优质的数据源。然而，在复杂的地质条件下，矿物光谱容易发生变化。为有效描述这种光谱变化性，人们采用了端元束方法，即通过一组光谱来表征某一类端元。现有的端元束提取方法在处理复杂地质条件下的高维高光谱数据时，存在计算效率低、精确度不足的问题，从而限制了对矿物信息的有效解读。为解决这一问题，我们提出了一种自适应差分进化端元束提取方法（ADE-EBE）。该方法基于多阶段优化框架，将高维离散空间转换为低维连续空间以便进行动态优化。通过运用自适应差分进化算法全局搜索最优端元组合，显著提升了端元束提取的稳定性和精确度。在模拟数据集以及地质一号的高光谱影像上的实验表明，与传统方法和现有先进方法相比，ADE-EBE在光谱保真度、丰度精确度以及计算效率方面均展现出更优异的性能。