遥感原理与应用实习报告.docx

遥感原理与应用实习报告摘要：k均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目k，k由用户指定，k均值算法根据某个距离函数反复把数据分入k个聚类中。遥感图像色彩空间变化有RGB和HIS的相互转换，还有彩色图像灰度化和灰度图像伪彩色增强。关键词：VC++，遥感原理与应用，图像处理，K均值聚类，图像色彩空间变换，伪彩色，灰度化原理介绍1.1、K均值聚类原理先随机选取K个对象作为初始的聚类中心。然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。一旦全部对象都被分配了，每个聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是以下任何一个：1)没有（或最小数目）对象被重新分配给不同的聚类。2)没有（或最小数目）聚类中心再发生变化。3)误差平方和局部最小。1.2、图像色彩空间变换原理1.2.1 RGB to HIS HIS to RGBRGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿(G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜色的，RGB即是代表红、绿、蓝三个通道的颜色。HIS分别表示：I：表示亮度或强度，H：表示色调S：表示饱和度，它们是从人眼中认识颜色的三个特征。1.2.3 彩色图像灰度化在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫灰度值，因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。根据重要性及其它指标，将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高，对蓝色敏感最低，因此，按下式对RGB三分量进行加权平均能得到较合理的灰度图像。f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))。1.2.4 灰度图像伪彩色增强伪彩色增强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图像细节更易辨认，目标更容易识别。本课题采用密度分割法。密度分割法是把灰度图像的灰度级从0（黑）到M0（白）分成N个区间Ii(i=1，2，…，N),给每个区间Ii指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。算法设计2.1 K均值聚类第一步：选K个初始聚类中心，z1(1)，z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。第二步：逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个zj(1)。假设i=j时， ，则 ，其中k为迭代运算的次序号，第一次迭代k=1，Sj表示第j个聚类，其聚类中心为zj。第三步：计算各个聚类中心的新的向量值，zj(k+1)，j=1,2,…,K求各聚类域中所包含样本的均值向量：其中Nj为第j个聚类域Sj中所包含的样本个数。以均值向量作为新的聚类中心，可使如下聚类准则函数最小：在这一步中要分别计算K个聚类中的样本均值向量，所以称之为K-均值算法。第四步：若 ，j=1,2,…,K，则返回第二步，将模式样本逐个重新分类，重复迭代运算；若 ，j=1,2,…,K，则算法收敛，计算结束。2.2.1 图像色彩空间变换算法2.2.1 RGB to HIS第一步，读取图片获取图片RGB信息。第二步，HIS赋值： 第三步,刷新视图，更改图片HIS值。2.2.2 HSI to RGB当H在[0,120]之间 当H在[120,240]之间 当H在[240,360]之间 2.2.3 彩色图像与灰度图像的相互转换 实现方法与过程第一步：编写MFC应用程序，添加Menu和Dialog。第二步：用MFC ClassWizard添加Class。第三步：进入Doc.cpp编辑程序代码，实现对图像的打开、关闭、保存等基本操作的功能。第四步：进入View.cpp编写对图像操作功能的函数，其中包括K均值的函数，图像色彩空间变换的函数，彩色图像灰度化的函数，灰度图像伪彩色增强的函数。第五步：调试代码，检查算法正确性。实验与分析4.1 K均值聚类K均值图片前后对比：分析：由图可以感受到K均值聚类后图像明显的变化，由于分类类别数设为6，可以在分类后的图像看出图中有六种类别的事物。由此可以得出算法成功实现。此程序运行时间短，效率高，界面简洁。4.2图像色彩空间变换4.2.1 RGB to HIS前后图像对比分析：图像变化明显，程序运行效率高，界面简洁。4.2.2 HSI to RGB前后图像对比分析：在HIS图像变成RGB图像