模糊C均值聚类遥感影像分类.pdfVIP

第 3期 矿 山 测 量 No．3 2011年 6月 MINE SURVEYING Jun．20l1 doi：10．3969／j．issn．1001—358X．2011．03．009 模糊 C均值聚类遥感影像分类 回晓娜 ，董 静 (1．沈阳沈西燃气有限公司，辽宁 沈阳 110013； 2．辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000) 摘要 ：模糊c均值聚类算法可有效的解决遥感信息的不确定性和混合像元的划分。文中基于matlab 平台、采用模糊 C均值聚类对遥感影像进行分类 ，并运用混淆矩 阵对分类结果进行 了精度评 定。实 验结果表 明，基于模糊 C均值聚类使得分类后 的图像很好地区分了地物类别，取得 了较好效果。 关键词 ：遥感；影像分类 ；C均值聚类 ；精度评定 中图分类号 ：P237 文献标识码 ：B 文章编号：1001—358X(2011)03—0032—03 所谓遥感影像分类就是根据遥感影像的光谱特 糊聚类的优点在于能适应那些分离性不是很好的数 征 、纹理特征 、空间特征等按照某种判断规则对 目标 据 ，这允许了数据性质的模糊性 ，为数据结构的描述 逐步探测 、识别和鉴定的过程 。 提供了详细的信息。 传统的硬划分具有非此 即彼 的性质 ，而 由于卫 1．1 模糊 C均值聚类数学基础 星遥感数据具有多光谱波段 、多空间分辨率和多时 模糊 c均值聚类算法用模糊集理论对 K均值算 问分辨率的特点，其数据量庞大，并且 由于各种地物 法进行改进 ，并用隶属度来衡量像元属于各个类别 波谱辐射的复杂性 以及干扰因素的多样性等原因， 的程度 。模糊 c均值聚类算法改变 了 均值分类 中 从而使获取的遥感数据具有模糊 、不确定性等特征 非此即彼的特性。其基本思想为 ：设要进行聚类分 且数据分布复杂 ，遥感信息的这种不确定性和混合 析的影像像元数为 n，影像像元集合 X = { ， ， 像元问题使部分像元很难进行非此即彼 的划分。实 … }，其 中 = { ， ，… ，P为特征 向量数。 际上遥感数据所反映的大多数地物并没有严格的类 设把影像像元分为 C个类别，每个类别的聚类中心 ， 属性和隶属关系 ，具有 “亦此亦彼”的性质 。因此考 = ( ， … ?)，聚类 中心集合 V： {．， ，… }。用 虑各个像元属于各个类别的隶属度 ，进行软划分才 表示像元 隶属于以 为中心 i的隶属度，定义 能更好地 区分不同地物类别 。 隶属度矩阵 如下 ： 模糊 C均 值 聚类 (FuzzyCMeansClustering， U=lt／tj… (1) FCM)就是结合模糊集理论和K均值聚类而提出来的 矩阵 U中每一列的元素表明所对应的像元隶属 适合进行软化分 的模糊 聚类分析方法。所 以采用模 于C个类别 中各个类的隶属度。满足如下约束条件 ： 糊聚类的方法可较好处理遥感数据的分类问题 。 0， ： 1，0 ≤ ≤ 1 本文基于 matlab 平台，采用模糊 c均值聚类 (i= 1，2，…，n) (2) 算法对遥感影像进行分类并运用混淆矩阵对分类结 对隶属度 进行 了模糊