基于聚类分析的遥感图像分割方法

《基于聚类分析的遥感图像分割方法》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、分类号：单位代码：10183研究生学号：2012621021密级：公开基于聚类分析吉林大学的遥感博士学位论文图像分割方法田丽华田丽华吉吉林大学2018年5月基于聚类分析的遥感图像分割方法RemoteSensingImageSegmentationBasedonClusterAnalysis作者姓名：田丽华专业名称：地球探测与信息技术研究方向：遥感图像处理指导教师：韩立国教授学位类别：工学博士培养单位：地球探测科学与技术学院论文答辩日期：2018年5月29日授予学位日期：年月日答辩委员会组成：姓名职称工作单位主席孙建国教授吉林大学委员韩立国教授吉林大学曾昭发教授吉林大学翁爱华教授吉林

2、大学郭智奇教授吉林大学孙大明教授级高工中国石化东北油气分公司勘探开发研究院时志安教授级高工吉林省煤田地质勘察设计研究院未经本论文作者的书面授权，依法收存和保管本论文书面版本、电子版本的任何单位和个人，均不得对本论文的全部或部分内容进行任何形式的复制、修改、发行、出租、改编等有碍作者著作权的商业性使用（但纯学术性使用不在此限）。否则，应承担侵权的法律责任。吉林大学博士(或硕士)学位论文原创性声明本人郑重声明：所呈交学位论文，是本人在指导教师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要

3、贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：年月日《中国优秀博硕士学位论文全文数据库》投稿声明研究生院：本人同意《中国优秀博硕士学位论文全文数据库》出版章程的内容，愿意将本人的学位论文委托研究生院向中国学术期刊（光盘版）电子杂志社的《中国优秀博硕士学位论文全文数据库》投稿，希望《中国优秀博硕士学位论文全文数据库》给予出版，并同意在《中国博硕士学位论文评价数据库》和CNKI系列数据库中使用，同意按章程规定享受相关权益。论文级别：□硕士■博士学科专业：地球探测与信息技术论文题目：基于聚类分析的遥感图像分割方法作者签名：指导教师

4、签名：年月日作者联系地址（邮编）：吉林省长春市西民主大街938号邮编：130026作者联系电话：基于聚类分析的遥感图像分割方法摘要（作者：田丽华指导教师：韩立国教授）伴随遥感探测技术和航天技术的高速革新，遥感平台传回的高分辨率图像涵盖的信息也日渐丰富，其中涵盖了广泛的地球地表信息和光谱信息，如地表的形状、纹理等内容。遥感图像携带的丰富数据量为众多领域应用打下了良好基础，但遥感图像所含有的丰富数据在当前并不能转变为有效信息以供人类使用，因此需要人们加大在遥感信息提取方面的投入，同时也是众多研究领域的一项发展基础，旨在将遥感信息携带的有效信息实现高效率转化，并使其在众多研究领域内实现深

5、入的应用。首先需要将遥感图像进行有效分割，图像分割的优劣将直接决定了后续的特征提取等质量。聚类分析作为当前经典的多变量统计方法，已经成为多个领域数据分析汇总使用较为频繁的工具之一，聚类分析理论和应用推动了当前如机器学习、图像处理、生物学等多个领域的不断发展。聚类算法属于一种无监督的学习方法，即不需要进行训练样本，这就使得聚类方法能够很好的应用在图像分割领域。本文所涉及的图像分割技术则是在当前研究成果基础上进行的改进，即针对当前模糊C均值聚类以及MeanShift聚类过程中难以确定聚类中心、受噪声干扰严重等问题，提出了新的算法。为了获得良好的遥感图像分割效果，本文在现有理论和图像分割

6、算法的基础上进行了探究。因为遥感图像受到拍摄环境的影响较大，图像往往具有一定的模糊性以及不确定性，云模型理论则是针对模糊性以及不确定性理论基础上实现的，达到的一种量中有性、性中有量的最终目标，进而保证分割过程的鲁棒性，利用云发生器完成了定量与定性之间的转换过程。截至目前，有关云模型理论在遥感图像处理领域的研究还比较少。本文也将较新的、来自信号处理领域的压缩感知理论融入到遥感图像分割理论进行研究，压缩感知理论在采样领域中发挥了较好的功效，该理论能够保证在较低的带宽中完成采样过程，继而有效避免了奈奎斯特采样定理的带宽限制。压缩感知理论包括三种矩阵，其中信号稀疏表示，是通过较少的数据样本

7、来对全局信息进行表述；并通过观测矩阵实现对稀疏信号的映射过程，继而形成数据的观测矩阵；压缩感知重构属于压缩感知理论中的重要部分，是将获得的观测信号转变为原始信号。本文基于云模型以及压缩感知理论在遥感图像分割中的应用进行了理论和实验分析研究，其中工作主要有：I（1）使用逆向拟合多维云变换方法实现对遥感图像数据聚类中心的定位，有效解决了当前传统的模糊C均值聚类分割FCM（FuzzyC-meansClustering，FCM）理论中需要预先确定分类数目中存在的干扰因素。在单