单体生长算法（SGA）

资 源 简 介

单体生长算法（SGA）

详 情 说 明

### 单体生长算法（SGA）简介 单体生长算法（Simplex Growing Algorithm, SGA）是一种用于高光谱图像端元提取的经典算法。它通过逐步构建一个单体（simplex）来寻找图像数据中最纯净的像素点，即端元（endmember）。SGA 的优势在于不需要预先知道端元的数量，并且能够有效避免数据噪声的干扰，因此在遥感图像分析等领域广泛应用。

### 算法基本思路 SGA 的核心思想是迭代地选择数据中能够最大化当前单体体积的像素点，作为新的端元。具体步骤如下： 初始化：通常选择数据中亮度最高的像素作为第一个端元。 单体扩展：在每次迭代中，从剩余像素中选择一个点，使得该点加入当前端元集合时，新单体的体积最大化。 终止条件：当找到足够数量的端元（如用户指定的10个端元）或体积增长不再显著时，算法停止。

### 在 Matlab 中的实现要点 在 Matlab 中实现 SGA 进行端元提取时，可以遵循以下关键步骤： 数据预处理：通常需要对高光谱图像进行降维（如使用 PCA 或 MNF），以减少计算复杂度。 体积计算：利用行列式计算单体的体积，确保选取的端元能覆盖最大的光谱空间。 迭代优化：通过循环逐步添加端元，并在每次迭代中检查体积增长是否符合预期。 结果验证：可以使用光谱角匹配（SAM）或其他方法验证提取的端元是否合理。

### 适用场景 SGA 特别适用于高光谱遥感图像分析，例如： 地物分类 矿物识别 植被监测 水体检测

通过调整参数（如端元数量或终止条件），可以适应不同的应用需求。