基于局部空间信息KFCM的遥感图像聚类算法
针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local In-formation C-Means, FLICM)算法及KFCM算法。
遥感图像、图像聚类、模糊C均值算法、核模糊C均值、局部空间信息
TP3;TN9
农业部农业科研杰出科技人才基金和农业部农业信息技术重点实验室开放基金项目2013001;国家自然科学基金项目60872065;江西省数字国土重点实验室开放基金项目DLLJ201412;江苏高校优势学科建设工程资助项目。
2014-09-18(万方平台首次上网日期,不代表论文的发表时间)
共7页
769-775