10.3778/j.issn.1002-8331.1311-0246
基于半监督KFCM及邻域信息的遥感图像分类算法
针对传统的模糊C-均值在遥感图像分类时容易产生局部最优现象以及对噪声过于敏感等问题,提出了一种基于半监督、核函数及空间邻域信息的模糊C-均值遥感图像分类算法。该算法基于遥感图像的光谱特征空间,根据地物的地表反射率大小进行聚类;在聚类迭代过程中,考虑到像素单元空间邻域的相关性,根据空间邻域信息加权调整像素点的隶属度大小;引入了核理论,解决遥感图像分类的非线性问题,使用内核诱导距离取代原模糊C-均值中的欧氏距离,优化图像样本特征;算法还使用了半监督分类技术,充分利用少量的已知标记信息,达到提高分类精度的目的。实验结果表明,该算法能有效提高分类精度,有效抑制噪声干扰,减少了迭代次数和时间。
遥感、半监督图像分类、空间邻域、核模糊C均值算法
TP317.4(计算技术、计算机技术)
国家自然科学基金No.61102117;安徽高校省级自然科学研究项目No.KJ2012Z355。
2014-05-24(万方平台首次上网日期,不代表论文的发表时间)
共7页
123-129