基于模糊熵和RPCCL的高分辨率遥感影像聚类分割.pdfVIP

第4卷 第11期 2009 年 11 月 中国科技论文在线 Sciencepaper Online 783 基于模糊熵和 RPCCL 的高分辨率 遥感影像聚类分割 王 超，童小华，谢 欢，刘妙龙 （同济大学测量与国土信息工程系，上海 200092 ） 摘 要：应用模糊熵阈值分割与受限制的次胜者受罚竞争学习算法(RPCCL) ，实现高分辨率遥感影像的聚类分 割。首先根据遥感影像各波段的模糊熵曲线进行阈值划分，选取可能的聚类中心分量，然后将各波段的分量进 行组合，形成初始聚类中心，再通过RPCCL算法确定真实的聚类个数以及聚类的中心。实验表明，该算法无 需事先给出聚类个数以及初始聚类中心，可以实现非监督分类。 关键词：遥感影像；聚类；RPCCL ；模糊熵 中图分类号：P236 文献标识码：A 文章编号：1673－7180(2009)11 －0783 －5 Clustering segmentation of high-resolution remote sensing images based on fuzzy entropy and RPCCL Wang Chao ，Tong Xiaohua ，Xie Huan ，Liu Miaolong (Department of Surveying and Geo-informatics, Tongji University, Shanghai 200092, China) Abstract: This paper integrates the fuzzy entropy threshold segmentation method and RPCCL (rival penalized controlled competitive learning) algorithm to segment high-resolution remote sensing images. The center of clustering component for each band of the image is first chosen based on the fuzzy entropy curve of the corresponding band of the image. The initial clustering centers are then formed by combining the obtained clustering center components. The real clustering centers are determined by using the RPCCL method. The results show that without providing the number of the clustering centers before clustering operation, the proposed method can perform an unsupervised segmentation of remote sensing images. Key words: remote sensing image ；clustering ；RPCCL ；fuzzy entropy 稳定性好，被广泛应用于遥感影像分割中[1] 。针对遥 0 引 言 感影像多波段、大数据量、灰度范围广等特点，利 遥感影像分割是地物识别、提取以及其它遥感 用聚类方法进行影像分割时，需要聚类方法具备处 地学应用中的重要步骤。由于聚类方法原理直观， 理高维数据的能力、尽量少的启发知识、以及较快 基金项目：国家高技术研究发展计划（863 计划）(2009