模糊聚类在遥感图像分割中应用研究.pdfVIP

㈣㈣Ⅲ洲㈣0洲哪 Y2149938 摘要 遥感图像分割是指对遥感图像进行处理和分析，从中提取目标特征的技术和过 程。模糊聚类算法应用在遥感图像分割上是近年来研究的热点，本研究以安徽省东至 下，利用Erdas9．O对遥感图像进行波段组合、几何校正、图像融合等预处理，使用一 些改进的模糊聚类算法对图像进行分割，实验结果表明，文中所提出的模糊聚类的新 算法都取得了良好的效果。并根据项目的实际需要对算法进行了实现，设计完成了遥 感图像分割演示系统。 归纳起来，本文的创新性研究成果主要体现在以下几个方面： (1)提出两种基于核的改进模糊聚类算法：基于核的模糊聚类中心分离算法 离(FCCSl算法的改进。KFCCS能映射输入数据集到一个高维特征空间，在此空间中 ⅪCS是由一 和FCCS更好处理线性非分离问题，实验表明KFCCS有很好的特性； 种簇间分离聚类(ICS)的改进算法。KICS能映射输入数据点到一个高维特征空间，在 此空间中ⅪCS能执行聚类未标记数据，使用ⅪCS能比FCM和ICS更好地处理线 性非分离问题。实验表明了KICS有更好的特性。 (2)提出两种基于参数优化的模糊聚类算法：基于参数优化的改进型可能聚类 算法(PCA)和可能C．均值聚类算法(PCM)相结合提出的一种改进算法，由于PCA和 PCM对初始值非常敏感，容易产生一致性聚类。改进型可能C．均值聚类算法(IPCM) 能解决PCM的问题。然而，IPCM的执行更依赖于参数。IPCM必须计算参数两次， IPCAOP。通过实验表明，IPCAOP在处理遥感图像分割方面明显优于模糊C．均值聚 算法，为解决GNC算法非常依赖参数和在运行GNC算法前必须运行FCM算法以便 过一种非参数化方法计算GNC目标函数中的参数，因而GNCIP不依赖参数并且聚类 速度快于GNC。通过对人工含噪声数据集和两个实际数据集做仿真实验，实验结果 表明了GNCIP具有很好地处理含噪声数据，聚类中心更接近真实聚类中心，聚类准 确性高，聚类时间少的优良性能。 (3)使用四种改进的算法对梅城林场遥感图像进行分割，然后对分割的结果提 出有效评价，最后，选择一种效率最高的算法进行分割。 (4)设计实现了基于模糊聚类算法的遥感图像分割系统。本文根据实际项目中 的需要，对所改进的算法进行系统的实现，采用面向对象的编程思想，使用跨平台的 VxWidgets图形界面库，开发和设计完成了遥感图像分割演示系统。 关键字：模糊C-均值聚类，图像分割，遥感图像，可能C．均值聚类，广义噪声聚类 Ab stract and the Byprocessinganalyzingremote—sensingimage， remote-sensingimage isthe and toexn．actthe feature．The segmentation technologyprocess ta瞎et fhzZ)， usedinremote becomesoneofresearCh clusteringalgorithm sensingimagesegmentation inrecent 2006 Landsatl三TM+RSabout hotspots years．Theyear image Meicheng Forest—f-amin AnhuiProvincewasusedasthemainiIatasources．In