基于模糊聚類遙感圖像分割方法的研究

《基于模糊聚類遙感圖像分割方法的研究》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、ResearchonRemoteSensingImageSegmentationMethodBasedontheFuzzyClusteringByLijunPengADissertationSubmittedtoChinaJiliangUniversityInpartialfulfillmentoftherequirementForthedegreeofMasterofEngineeringChinaJiliangUniversityMarch,2013獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作和取得的研究成果，除了文中特別加以標(biāo)注和致謝之處

2、外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過(guò)的研究成果，也不包含為獲得中國(guó)計(jì)量學(xué)院或其他教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文作者簽名：簽字日期：年月日學(xué)位論文版權(quán)使用授權(quán)書(shū)本學(xué)位論文作者完全了解中國(guó)計(jì)量學(xué)院有關(guān)保留、使用學(xué)位論文的規(guī)定。特授權(quán)中國(guó)計(jì)量學(xué)院可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，并采用影印、縮印或掃描等復(fù)制手段保存、匯編以供查閱和借閱。同意學(xué)校向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤。（保密的學(xué)位論文在解密后適用本授權(quán)說(shuō)明）學(xué)位論文作者簽名：導(dǎo)師簽名：中圖

3、分類號(hào)TP391.41學(xué)校代碼10356UDC004密級(jí)公開(kāi)碩士學(xué)位論文MASTERDISSERTATION基于模糊聚類的遙感圖像分割方法的研究ResearchonRemoteSensingImageSegmentationMethodBasedontheFuzzyClustering作者彭立軍導(dǎo)師何靈敏副教授申請(qǐng)學(xué)位工學(xué)碩士培養(yǎng)單位中國(guó)計(jì)量學(xué)院學(xué)科專業(yè)計(jì)算機(jī)應(yīng)用技術(shù)研究方向模式識(shí)別二〇一三年三月致謝由衷的感謝我的研究生導(dǎo)師何靈敏老師，在攻讀碩士研究生期間，對(duì)我的學(xué)習(xí)生活等方面的關(guān)懷與支持，尤其是在學(xué)術(shù)研究和社會(huì)實(shí)踐方面的幫助和指導(dǎo)。何老師對(duì)待學(xué)生認(rèn)真負(fù)責(zé)，在他的認(rèn)

4、真教育和指導(dǎo)下我學(xué)到了很多課堂上學(xué)不到的東西，讓我懂得了很多人生哲理。在讀研期間，何老師還提供了很多動(dòng)手實(shí)踐的機(jī)會(huì)，讓我在找工作的過(guò)程中受益匪淺，在這里，我要真誠(chéng)地感謝何老師！同時(shí)感謝楊小兵老師在我論文研究方向上給予的指導(dǎo)和幫助，不厭其煩的為我解答有關(guān)學(xué)術(shù)的問(wèn)題，細(xì)心指導(dǎo)課題實(shí)驗(yàn)。還要感謝在我研究生學(xué)習(xí)期間給予我?guī)椭年懟劬昀蠋?、譚勁老師、潘巨龍老師以及其他老師。感謝我的師兄師弟師妹：潘益民、金偉、王加佳、張金偉、王文鵬、胡玲龍、陳財(cái)雄、王娟、孔令丹、褚娜，在研究生學(xué)習(xí)期間給予我的關(guān)心與支持。彭立軍2013年3月基于模糊聚類的遙感圖像分割方法的研究摘要：遙感圖像的聚

5、類分割是分析遙感圖像中地貌特征與空間關(guān)系的重要步驟。由于遙感圖像具有數(shù)據(jù)維度高、數(shù)據(jù)量大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜的特點(diǎn)，傳統(tǒng)的模糊聚類方法在遙感圖像分割中的應(yīng)用并不能達(dá)到分割精度要求。人工魚(yú)群算法(ArtificialFishSchoolAlgorithm，AFSA)設(shè)計(jì)靈感來(lái)源于仿生學(xué)中魚(yú)群自發(fā)的覓食行為，是一種智能優(yōu)化算法，具有良好的并行性、自組織性和自適應(yīng)性，在分類領(lǐng)域的有著成功應(yīng)用。相比于傳統(tǒng)的模糊聚類（FuzzyC-Means，F(xiàn)CM）方法，將人工魚(yú)群算法引入模糊聚類中，利用人工魚(yú)群算法的自組織性和自適應(yīng)性來(lái)對(duì)初始聚類中心點(diǎn)進(jìn)行選擇，以克服模糊聚類對(duì)初始聚類中心點(diǎn)敏

6、感和容易陷入局部最小值的缺點(diǎn)。本文嘗試提出一種局部二值算子（LocalBinaryPattern，LBP）的人工魚(yú)群模糊聚類圖像分割方法(CSIFWCM)，引入描述LBP算子圖像像素點(diǎn)的空間特征信息，利用空間像素點(diǎn)的關(guān)系特征提高圖像的分割準(zhǔn)確性，加快分割計(jì)算中尋找最優(yōu)解的過(guò)程。把CSIFWCM引入到遙感圖像聚類中后，實(shí)驗(yàn)結(jié)果表明該圖像分割方法在大數(shù)據(jù)量的尋優(yōu)計(jì)算過(guò)程中速度有著明顯的提高，相比于經(jīng)典聚類算法，提高了遙感圖像的分割精度，取得了更好的分割效果。對(duì)于含有噪聲的遙感圖像，提出基于小波變換的AFWFCM算法，并且通過(guò)實(shí)驗(yàn)與AFWFCM算法分割作對(duì)比，實(shí)驗(yàn)結(jié)果表明

7、基于小波變換的AFWFCM有較高的魯棒性，對(duì)含有噪聲的遙感圖像分割有很好的指導(dǎo)作用。論文主要工作介紹：(1)介紹了模糊聚類算法和人工魚(yú)群算法基本原理，并分析了算法的步驟、優(yōu)缺點(diǎn)及適用范圍。同時(shí)，對(duì)遙感領(lǐng)域中的聚類分割應(yīng)用做了介紹。(2)將人工魚(yú)群算法引入模糊聚類算法，提出一種改進(jìn)的模糊聚類算法——基于人工魚(yú)群算法的加權(quán)模糊聚類算法（AFWFCM），介紹了改進(jìn)后算法的原理和具體算法步驟。在UCI數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，將AFWFCM算法與經(jīng)典FCM聚類算法在聚類分割的準(zhǔn)確性和收斂速度作比較，實(shí)驗(yàn)結(jié)果表明AFWFCM算法的聚類分割效果更好，能有效的克服對(duì)初始聚類中心點(diǎn)敏感