基于遙感圖像非監(jiān)督分類的模糊聚類算法研究

《基于遙感圖像非監(jiān)督分類的模糊聚類算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、基于遙感圖像非監(jiān)督分類的模糊聚類算法研究四川丙南交大鐵路發(fā)展股份有限公司四川成都610073摘要:文章針對(duì)遙感圖像的模糊聚類算法進(jìn)行了研究。數(shù)字圖像分類技術(shù)是數(shù)字圖像處理技術(shù)中非常重要的一個(gè)內(nèi)容。遙感圖像固有的模糊性，對(duì)于遙感數(shù)字圖像來(lái)說(shuō)，尤其是中、低分辨率遙感圖像，由于混合像元的影響使得分類結(jié)果并不是最優(yōu)的，也就是說(shuō)，傳統(tǒng)的分類方法往往不能取得理想的分類效果。而應(yīng)用軟分類算法原理，采用模糊聚類方法進(jìn)行遙感圖像的非監(jiān)督分類是解決這種分類模糊性的主要方法之一。文章研究模糊聚類中的模糊C均值聚類算法，并通過(guò)計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)算法，從而達(dá)到對(duì)遙感圖像

2、非監(jiān)督分類的目的。此算法與人工判讀分類相比，提高遙感圖像非監(jiān)督分類的速度和效率，節(jié)省了人力和物力。關(guān)鍵詞:遙感圖像分類；模糊聚類；模糊C-均值算法1引言眾所周知，遙感圖像分類是遙感圖像處理研宄領(lǐng)域中的一項(xiàng)主要內(nèi)容，分類的精度直接影響遙感數(shù)據(jù)的應(yīng)用水平和實(shí)用價(jià)值［1］。可是現(xiàn)在從遙感圖象中方法分類地物的方式多為人工判讀，這類方式難以順應(yīng)如今信息化時(shí)期的要求，并且也會(huì)花費(fèi)較多的人力和物力。用計(jì)算機(jī)對(duì)遙感圖像進(jìn)行分類則是提高分類的精度和速度非常經(jīng)濟(jì)實(shí)用的方法，也是遙感數(shù)字圖像處理的一個(gè)重要內(nèi)容。如何通過(guò)非監(jiān)督分類算法研究來(lái)提高遙感圖像分類的精度和速

3、度是一個(gè)非常有現(xiàn)實(shí)意義的課題。木文就是基于模糊聚類中的模糊C均值聚類算法，并通過(guò)計(jì)算機(jī)程序來(lái)實(shí)現(xiàn)算法，從而達(dá)到對(duì)遙感圖像非監(jiān)督分類的目的。2模糊C均值聚類算法遙感圖像的計(jì)算機(jī)分類，就是對(duì)地球表面及其在遙感圖像上的信息進(jìn)行屬性的識(shí)別和分類，從而達(dá)到識(shí)別圖像信息所相應(yīng)的實(shí)際地物，提取所需地物信息的目的［2］。用計(jì)算機(jī)通過(guò)模式識(shí)別技術(shù)的運(yùn)用來(lái)對(duì)遙感圖像進(jìn)行分類的，模糊聚類法是解決模式識(shí)別問(wèn)題的一種數(shù)學(xué)方法，在眾多的模糊聚類算法中，模糊C一均值算法(FCM)可以說(shuō)是應(yīng)用最為廣泛、最為靈敏的一種算法［3］。模糊C均值聚類(FCM),即眾所周知的模糊IS

4、ODATA,于1973年Bezdek率先提出來(lái)。它是在硬C均值(HCM)算法的基礎(chǔ)上經(jīng)過(guò)不斷改進(jìn)而形成的,它依據(jù)最小二乘法原理采用迭代法對(duì)0標(biāo)函數(shù)進(jìn)進(jìn)行優(yōu)化，并通過(guò)優(yōu)化0標(biāo)函數(shù)得到每個(gè)樣本點(diǎn)對(duì)所有類中心的隸屬度，從而決定樣本點(diǎn)的類屬以達(dá)到自動(dòng)對(duì)樣本數(shù)據(jù)進(jìn)行分類的目的［4】。3模糊聚類在遙感影像非監(jiān)督分類中的算法研究3.1遙感影像分類中的模糊C均值聚類算法探索圖像分類的關(guān)鍵問(wèn)題之一是選擇適當(dāng)?shù)姆诸愐?guī)則(或分類器)，通過(guò)分類器把圖像數(shù)據(jù)劃分為盡可能符合實(shí)際情況的不同類別［5】。根據(jù)遙感圖像分類的理論知識(shí)結(jié)合遙感圖像的特性，將模糊C均值聚類方法運(yùn)用

5、于其圖像分類的偽代碼列出如下：1.讀入遙感影像數(shù)據(jù)到一多維數(shù)組中Image(band，row,col)；其中，band為影像波段數(shù)，row、col分別為影像行列數(shù)；2.設(shè)定聚類數(shù)目c和參數(shù)m(≥l)；3.初始化各個(gè)聚類中心mi,采用如下的方法：1)統(tǒng)計(jì)各波段的最大值和最小值；2)根據(jù)聚類數(shù)Sc和各波段的統(tǒng)計(jì)值確定初始聚類中心M(0);mij=minj+(i-0.5)×(maxj-minj)/c上式中，mij為第i類第j波段聚類中心值，minj為第j波段最小值，maxj為第j波段最大值，i為類別序號(hào)(i=l,…，c)，c=4為

6、聚類數(shù)目。4.初始化隸屬度矩陣，用值在0,1間的隨機(jī)數(shù)初始化隸屬矩陣U(0)，使其滿足(3.1)式中的約束條件；(3.1)1.根據(jù)聚類中心和隸屬度矩陣，按照(3.2)式和(3.3)式分別計(jì)算隸屬度和新的聚類中心；1)汁算隸屬度:(3.2)上述計(jì)算中，d可以使用歐式距離)2)計(jì)算新的聚類中心：(33)2.根據(jù)(3.4)式計(jì)算價(jià)值函數(shù)。如果它小于某個(gè)確定的閥值，或它相對(duì)上次價(jià)值函數(shù)值的改變量小于某個(gè)閾值，則算法停止，否則返冋步驟5。(3.4)3.2遙感影像數(shù)據(jù)的預(yù)處理文章所用資料是2006年拍攝的成都市西北片區(qū)的偽彩色遙感圖像(如圖1)0該影像由

7、四個(gè)波段信息疊加而成。首先，我們利用Erdaslmagine8.7中的DataPrep模塊下的ImageGeometricCorrection命令先對(duì)圖像進(jìn)行幾何校正，然后再用DataPrepSubset命令裁剪出需要用的圖像。圖1偽彩色遙感圖像為了提高處理速度，需要將假彩色圖像轉(zhuǎn)換成二進(jìn)制數(shù)據(jù)文件。具體方法是利用遙感圖像處理軟件ErdasImagines.?中的數(shù)據(jù)輸入輸出功能實(shí)現(xiàn)對(duì)假彩色圖像進(jìn)行二進(jìn)制文件的轉(zhuǎn)換。這樣就得到在進(jìn)行FCM之前所需要的原始假彩色圖像(圖2)。圖2原始假彩色圖像遙感影像數(shù)據(jù)的分類處理1.根據(jù)二維空間中像元配置的不

8、同，遙感圖像的數(shù)據(jù)格式通常分為三種，即：BSQ(BandSequential),BIL(BandInterleavedbyLine)和BIP(BandInterle