空间权重自适应的MRF高光谱图像模糊聚类方法

摘要：

传统模糊聚类方法以像元光谱信息为基础,通过相似性准则在特征空间内进行自动聚集.高光谱图像聚类过程往往受到混合像元和"同物异谱"现象的影响,造成结果噪声和破碎严重,导致算法难以适应于高光谱图像地物识别.针对传统聚类算法的不足,考虑邻域像元间相关性和连续性即上下文特征,文章提出了一种新的基于空间权重自适应马尔科夫随机场模型(markov random field,MRF)的高光谱图像模糊聚类算法,在模糊C-均值聚类目标函数中引入空间项,并采用自适应权重系数控制其在聚类中的影响程度,将空间信息自适应地引入聚类过程中.通过模拟及真实高光谱数据实验证明,较仅使用光谱及分类后处理滤波算法,该算法有效提高了高光谱图像聚类的精度和抗噪能力.

关键词：高光谱图像、聚类、模糊C-均值聚类、空间权重、马尔科夫随机场模型

所属期刊栏目：35

分类号：TP751(遥感技术)

在线出版日期：2021-01-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：32-37