基于模糊聚类遥感图像分割方法的研究

《基于模糊聚类遥感图像分割方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、ResearchonRemoteSensingImageSegmentationMethodBasedontheFuzzyClusteringByLijunPengADissertationSubmittedtoChinaJiliangUniversityInpartialfulfillmentoftherequirementForthedegreeofMasterofEngineeringChinaJiliangUniversityMarch,2013独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处

2、外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中国计量学院或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日期：年月日学位论文版权使用授权书本学位论文作者完全了解中国计量学院有关保留、使用学位论文的规定。特授权中国计量学院可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：中图

3、分类号TP391.41学校代码10356UDC004密级公开硕士学位论文MASTERDISSERTATION基于模糊聚类的遥感图像分割方法的研究ResearchonRemoteSensingImageSegmentationMethodBasedontheFuzzyClustering作者彭立军导师何灵敏副教授申请学位工学硕士培养单位中国计量学院学科专业计算机应用技术研究方向模式识别二〇一三年三月致谢由衷的感谢我的研究生导师何灵敏老师，在攻读硕士研究生期间，对我的学习生活等方面的关怀与支持，尤其是在学术研究和社会实践方面的帮助和指导。何老师对待学生认真负责，在他的认

4、真教育和指导下我学到了很多课堂上学不到的东西，让我懂得了很多人生哲理。在读研期间，何老师还提供了很多动手实践的机会，让我在找工作的过程中受益匪浅，在这里，我要真诚地感谢何老师！同时感谢杨小兵老师在我论文研究方向上给予的指导和帮助，不厌其烦的为我解答有关学术的问题，细心指导课题实验。还要感谢在我研究生学习期间给予我帮助的陆慧娟老师、谭劲老师、潘巨龙老师以及其他老师。感谢我的师兄师弟师妹：潘益民、金伟、王加佳、张金伟、王文鹏、胡玲龙、陈财雄、王娟、孔令丹、褚娜，在研究生学习期间给予我的关心与支持。彭立军2013年3月基于模糊聚类的遥感图像分割方法的研究摘要：遥感图像的聚

5、类分割是分析遥感图像中地貌特征与空间关系的重要步骤。由于遥感图像具有数据维度高、数据量大、数据结构复杂的特点，传统的模糊聚类方法在遥感图像分割中的应用并不能达到分割精度要求。人工鱼群算法(ArtificialFishSchoolAlgorithm，AFSA)设计灵感来源于仿生学中鱼群自发的觅食行为，是一种智能优化算法，具有良好的并行性、自组织性和自适应性，在分类领域的有着成功应用。相比于传统的模糊聚类（FuzzyC-Means，FCM）方法，将人工鱼群算法引入模糊聚类中，利用人工鱼群算法的自组织性和自适应性来对初始聚类中心点进行选择，以克服模糊聚类对初始聚类中心点敏

6、感和容易陷入局部最小值的缺点。本文尝试提出一种局部二值算子（LocalBinaryPattern，LBP）的人工鱼群模糊聚类图像分割方法(CSIFWCM)，引入描述LBP算子图像像素点的空间特征信息，利用空间像素点的关系特征提高图像的分割准确性，加快分割计算中寻找最优解的过程。把CSIFWCM引入到遥感图像聚类中后，实验结果表明该图像分割方法在大数据量的寻优计算过程中速度有着明显的提高，相比于经典聚类算法，提高了遥感图像的分割精度，取得了更好的分割效果。对于含有噪声的遥感图像，提出基于小波变换的AFWFCM算法，并且通过实验与AFWFCM算法分割作对比，实验结果表明

7、基于小波变换的AFWFCM有较高的鲁棒性，对含有噪声的遥感图像分割有很好的指导作用。论文主要工作介绍：(1)介绍了模糊聚类算法和人工鱼群算法基本原理，并分析了算法的步骤、优缺点及适用范围。同时，对遥感领域中的聚类分割应用做了介绍。(2)将人工鱼群算法引入模糊聚类算法，提出一种改进的模糊聚类算法——基于人工鱼群算法的加权模糊聚类算法（AFWFCM），介绍了改进后算法的原理和具体算法步骤。在UCI数据集上进行实验，将AFWFCM算法与经典FCM聚类算法在聚类分割的准确性和收敛速度作比较，实验结果表明AFWFCM算法的聚类分割效果更好，能有效的克服对初始聚类中心点敏感