基于改进的FCM遥感图像聚类算法的研究与应用

• 作 者: 张景柯
• 发表日期: 2017年01期
• 关键词: 模糊C均值算法 紧致聚类度 多尺度 模糊-密度算法

随着卫星数量不断地增加且遥感图像分辨率不断地提高,我国已获得了巨大数据量的遥感图像。传统的人工处理遥感图像方法有许多弊端,如工作量大、效率低、稳定性差、不利于遥感图像信息的充分提取与最大利用。由于智能图像处理技术具有处理速度快、稳定性好等优点,该技术在人工智能领域得到了广泛的重视与发展。本文主要以气象卫星遥感图像为研究对象,开展了基于遥感图像聚类算法的研究及应用,主要完成的工作如下:1提出了一种基于反馈多尺度指数模糊C均值(FMEFFCM)算法。由于不同类型云系在遥感图像中分布灰度区间长短不一,本文利用数据对象隶属度,提出了一种基于反馈多尺度指数模糊C均值算法,该算法通过数据隶属度确定反馈因子,该因子通过改变相关类簇的聚类范围,从而使模糊聚类算法关于遥感图像云系聚类精度更高。2针对气象卫星遥感图像聚类结果中每类簇含有大量非云系数据,本文基于云系物理信息与分布特征,提出了基于Radon变换的密度分类算法。该算法首先通过Radon变换确定云系相对中心;然后计算数据对象的密度;最后通过数据密度判断在该中心一定范围内数据是否为云系数据。3将模糊-密度算法与基于反馈多尺度指数模糊C均值遥感图像聚类算法进行整合,并利用MATLAB语言开发了一个遥感图像聚类系统。软件主要分为密度模块、模糊聚类模块、云系分类模块及输出模块。本文对各个模块进行了简要说明并对遥感图像聚类实验进行了操作展示。