Para calcular o erro, foi usado como base o método de restrição pelos mínimos quadrados(Constrained Least-Squares (CLS) Method) usado por Shimabukuru[13], que estima a proporção de cada componente puro (Endmember) dentro de um pixel através da minimização da soma dos quadrados dos erros. Os valores dessas proporções devem ser não negativos e eles devem somar 1 ao longo de uma banda. Dessa forma, vamos observar que o modelo de mistura pode ser reescrito como: onde é a matriz de resposta espectral dos componentes de mistura que compõem a imagem calculada a partir da matriz abstrata ( ) e é a matriz de freqüência dos componentes de mistura encontrados na matriz e representa o erro das matrizes e obtidas com a matriz encontrada em relação à matriz .Para realizar esse cálculo, dado que i representa cada uma das bandas da matriz , primeiro devemos encontrar a matriz a partir de da seguinte maneira:
Sendo k é a quantidade de pixels na figura analisada, temos: Para garantir que as proporções de um Endmember através das bandas seja 1, calculamos: E dessa forma obtemos a matriz F. Logo, o primeiro valor da função de fitness a ser minimizada pelo algoritmo deve ser: Para tentar garantir que as proporções procuradas sejam positivas, foram incluídos valores adicionais de erro na função de minimização, com cálculo também baseado no artigo de Shimabukuru[13]. O primeiro valor consiste nos erros da matriz encontrada para valores maiores que 255 e menores que 0, pois o valor de refletância espectral de um Endmember não deve ultrapassar esses limites físicos e calcula-se da seguinte maneira: para todos os valores da matriz menores que zero e: para todos os valores da matriz maiores que 255. Então obtemos o primeiro valor de erro adicional: O segundo valor consiste nos erros da matriz encontrada para valores maiores que 1 e menores que 0, pois o valor da proporção de um Endmember não pode ultrapassar esse limites e consiste da seguinte maneira: para todos os valores da matriz menores que zero e: para todos os valores da matriz maiores que 1. O valor 255 foi multiplicado para normalizar os erros calculados. Então obtemos o segundo valor de erro adicional: Então, a função de fitness a ser minimizada deve ser: A Figura 5 representa o código em MATLAB que implementa a funcção de avaliação.
|