在获取不同端元组分的基础上，我们对于变化前后的组分影像进行差值运算。构造出不同的端元对应的组分差异影像。最后，采用元胞自动机来模拟变化的亚像元的位置分布。在元胞自动机（CA）模型中，亚像元可以认为是基本的元胞单元，混合像元可以看作是一个元胞空间（Viher等，1998），基于CA 的亚像元定位可以分为以下3个步骤。
1.初始化方式的选择
在原始的方法中，采用的是一种随机初始化的方式，只要满足丰度图像所决定的面积约束条件即可。本研究引入像元吸引度进行上述的初始化过程。Mertens等首先引入了像元吸引度概念（Thornton等，2007），像元吸引度可直接根据原始低分辨率（元胞空间）的邻居像元（邻居元胞空间）内类别的丰度来计算，并按一定的规则赋予某个亚像元地物类型。这样初始化不用经过迭代运算，就可以直接确定一个元胞空间内各个类别的元胞的大致分布。假设混合像元P 表示元胞空间，亚像元Pi，j表示位置在（i，j）的元胞，邻域的像元为Pk，那么亚像元Pi，j与邻域像元Pk 的距离可以定义为：
由于不同的邻域像元Pk 对该亚像元有不一样的影响，因此，可以定义权值λk：
其中，a是这个单调递减的指数函数的非线性参数。它的选择对权值有很大的作用，可以依据该函数来计算最后的吸引力函数。在此定义亚像元Pi，j的吸引力函数为：
式中：m 为第m 个端元类别；
fm（pk）为第k个像元属于第m 个端元类别的丰度比例。
由于不同的尺度空间S 下需要对吸引力指数进行标准化，因此上式可以被重新定义为：
元胞的个数等于混合像元中的亚像元个数。每一个元胞都可以按照以上的吸引力指数来计算，从而从高到低进行排列吸引力的值。(www.xing528.com)
2.元胞进化
下一步可以采用像元交换的方式进行进化。按照摩尔定律，每一个元胞都会被周围的8个邻域所影响。因此，需要再计算出每一个8邻域空间的吸引力指数。一旦所分析的位置的8邻域指数值小于其他的位置，就会发生像元交换，直到遍历整幅影像为止。图6-16为两种差别最大的吸引力分布。
图6-16 两种不同的分布位置
3.终止条件的确定
当前面两步完成以后，此时的进化层次可以定义为L：
式中：N 为像元总个数；
Nsame为在元胞空间内与新状态相同的邻居元胞个数之和。
Neibor为满足某种邻域规则的邻居个数，本书采用Moore型邻居，设为8。它的定义是基于这样的考虑：L 也是根据地物空间相关性定义的，分母表示一种空间相关性极大的特殊情况（可以理解为均值地物），分子表示元胞自动机在目前的进化结果下，每一个元胞空间内所有亚像元的邻居与其自身类型一致的个数的累和，因此L 表示结果达到空间相关性最大的程度，由于输入图像中不可能只含有一种地物（这样就没有亚像元定位的必要），理论上L 的值域在0～1之间。
整个过程的流程图如图6-17所示。
图6-17 基于不同分辨率影像的亚像元变化检测实验流程图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
