遥感数字图像处理实习报告摘要.docVIP

遥感数字图像处理编程实习报告 09031 2009302590123 吴煜晖 摘要 在这次遥感数字图像处理编程实习中，我选取了主分量变换、K均值聚类、ISODATA聚类以及小波变换四个专题来完成。程序我采用Visual C++ 6.0编译器完成，配合DIB和GDAL这两个类库完成对各种格式图像的读取和写入。整个程序我采用DIB句柄对图像进行操作，当用GDAL读入其他格式图像时我会将其数据转化为DIB句柄，这样无论打开哪种格式图像，都能进行我所完成的专题。 关键词 DIB GDAL 主分量变换 聚类 小波变换 一、原理介绍 1、主分量变换（K-L变换） 在特征维数较多的情况下，选取其中有利于分类的特征，以减少特征维数，减少内存负担，加快运算速度，提高效率，是自动分类中的一个重要问题。从n维特征选取m维特征，删去的n-m维特征不一定就是无用的信息，如何在信息损失最小的情况下选取特征，在理论上就显得更严密些。通常采用正交变换，得到新的经变换的模式， 以保证信息损失最小情况下获得有利于分类的特征。离散K-L变换（Karhunen-Loeve变换）就是常用的方法。 2、K均值分类 为了将各个样本进行分类，首先确定若干初始聚类中心，然后依一定算法改变或调整这些中心，使它们逐步趋于合理。 K均值算法要求各类样本到聚类中心的距离平方和最小，它是在误差平方和准则的基础上建立起来的 3、ISODATA分类 ISODTA意为迭代自组织数据分析技术。这个算法与K均值算法相似，也是以均值迭代确定聚类中心，但它加进了人机对话环节，可以调整参数，并且引入了归并与分裂的机制，即当某两类别中心间距小于某一阈值时，将它们合并为一类，而在某类样本标准差大于某一阈值时，或其样本数目超过某一阈值时，则将它分为两类，在类别数目少于某一阈值时，也实行分裂。另外，在某类样本数目少于某阈值时，又需要将其消除。因此，这种方法灵活性更强，更为合理。 4、小波变换 传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种改进，小波分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier分析、调和分析、数值分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多非线性科学领域，它被认为是继Fourier分析之后的又一有效的时频分析方法。 小波变换与Fourier变换相比，是一个时间和频域的局域变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，解决了Fourier变换不能解决的许多困难问题。……. XN,)T Xi 的数学期望为 i=1,2,…….N。 X的协方差矩阵 为一实对称矩阵，可求出N个本征值及其对应的本征向量V1i,(i=1,2,….N)。则有 i=1,2,……N 对本征向量矩阵V1做正交变换（规范正交化），即： （i, j = 1,2,……N） 从而可得到规范正交矩阵V2 。因此K-L变换式为 i=1,2,……..N 矩阵Y即为K-L变换后的矩阵，它是原始矩阵X中各种信息的重新分配和组合。Y中的每个向量包含有X中所有向量的信息。其中协方差矩阵中的若干个较大的本征值对应的向量包含原始矩阵X中各向量的信息较多，且是主要的信息。因此，从中可把含有较多信息的向量提取出来，而舍弃那些含原来信息较少，亦即次要的向量，从而达到压缩数据的目的。压缩后的矩阵写为 i=1,2,…..k ；kN 由于提取的若干个向量仍包含原来每个向量的信息，而且是主要的信息是，所以这样做相当于对原始数据进行了滤波，使信息变得更加分明，这对于聚类分析将是很有用的。 对于这次实习，我们把6波段图像的6个波段的灰度值作为6维向量，每个像素点为一个向量。 2、K均值分类 K均值算法能使聚类域中所有样品到聚类中心的距离平方和最小。其主要步骤主要如下： 第一步：任选k个初始聚类中心：,,…,(上角标记载为寻找聚类中的迭代运算次数)。用数组classp[6*clsnumber]来存储类中心的值，一般可选定样品集的前k个样品作为初始聚类中心。但是考虑到这样做不太有利于后面的算法收敛。因此采用了最大最小距离选心法。该法的原则是使各初始类别之间，尽可能地保持远离。 任意选取M个初始中心，将其值存入iGrayValue[Bands*M]中；将第一个点X作为第一个初始类别的中心Z。计算X与其它各抽