基于模糊聚類的遙感圖像分割方法的研究.pdf

1、遙感圖像的聚類分割是分析遙感圖像中地貌特征與空間關(guān)系的重要步驟。由于遙感圖像具有數(shù)據(jù)維度高、數(shù)據(jù)量大、數(shù)據(jù)結(jié)構(gòu)復(fù)雜的特點(diǎn),傳統(tǒng)的模糊聚類方法在遙感圖像分割中的應(yīng)用并不能達(dá)到分割精度要求。人工魚群算法(Artificial Fish School Algorithm,AFSA)設(shè)計(jì)靈感來源于仿生學(xué)中魚群自發(fā)的覓食行為,是一種智能優(yōu)化算法,具有良好的并行性、自組織性和自適應(yīng)性,在分類領(lǐng)域的有著成功應(yīng)用。相比于傳統(tǒng)的模糊聚類(Fuzzy C-

2、Means,FCM)方法,將人工魚群算法引入模糊聚類中,利用人工魚群算法的自組織性和自適應(yīng)性來對(duì)初始聚類中心點(diǎn)進(jìn)行選擇,以克服模糊聚類對(duì)初始聚類中心點(diǎn)敏感和容易陷入局部最小值的缺點(diǎn)。本文嘗試提出一種局部二值算子(Local Binary Pattern,LBP)的人工魚群模糊聚類圖像分割方法(CSIFWCM),引入描述LBP算子圖像像素點(diǎn)的空間特征信息,利用空間像素點(diǎn)的關(guān)系特征提高圖像的分割準(zhǔn)確性,加快分割計(jì)算中尋找最優(yōu)解的過程。把CS

3、IFWCM引入到遙感圖像聚類中后,實(shí)驗(yàn)結(jié)果表明該圖像分割方法在大數(shù)據(jù)量的尋優(yōu)計(jì)算過程中速度有著明顯的提高,相比于經(jīng)典聚類算法,提高了遙感圖像的分割精度,取得了更好的分割效果。對(duì)于含有噪聲的遙感圖像,提出基于小波變換的AFWFCM算法,并且通過實(shí)驗(yàn)與AFWFCM算法分割作對(duì)比,實(shí)驗(yàn)結(jié)果表明基于小波變換的AFWFCM有較高的魯棒性,對(duì)含有噪聲的遙感圖像分割有很好的指導(dǎo)作用。
　　論文主要工作介紹:
　　(1)介紹了模糊聚類算法和

4、人工魚群算法基本原理,并分析了算法的步驟、優(yōu)缺點(diǎn)及適用范圍。同時(shí),對(duì)遙感領(lǐng)域中的聚類分割應(yīng)用做了介紹。
　　(2)將人工魚群算法引入模糊聚類算法,提出一種改進(jìn)的模糊聚類算法——基于人工魚群算法的加權(quán)模糊聚類算法(AFWFCM),介紹了改進(jìn)后算法的原理和具體算法步驟。在UCI數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),將 AFWFCM算法與經(jīng)典FCM聚類算法在聚類分割的準(zhǔn)確性和收斂速度作比較,實(shí)驗(yàn)結(jié)果表明AFWFCM算法的聚類分割效果更好,能有效的克服對(duì)初始

5、聚類中心點(diǎn)敏感的問題。
　　(3)引入LBP算子描述圖像像素點(diǎn)的空間特征信息,提出一種基于空間特征信息的模糊聚類圖像分割方法(CSIFWCM),說明其設(shè)計(jì)思想和優(yōu)缺點(diǎn),并把該聚類分割應(yīng)用于遙感圖像聚類。真實(shí)的遙感數(shù)據(jù)上的分割實(shí)驗(yàn)顯示, CSIFWCM能很好地利用圖像的空間特征信息,針對(duì)遙感圖像數(shù)據(jù)特點(diǎn)有效地提高了遙感圖像分割精度和分割速度。
　　(4)將小波變換引入AFWFCM中,改進(jìn)AFWFCM算法,提高算法的抗噪性。對(duì)改