基于云模型和FCM聚类的遥感图像分割方法

• 作者: 徐敏 秦昆
• 来源期刊: 地球信息科学
• 学科: 地球科学
• 关键词: 模糊C均值 聚类 图像分割 云模型
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: "铺就影像信息的丝绸之路"--ISPRS 学术论坛
• 页码范围: 302-307
• 页数: 6页
• 分类号: P2
• 字数: 3797字
• 语种: 中文
• DOI: 10.3969/j.issn.1560-8999.2008.03.005

摘要

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率.好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解.文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法.利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性.文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦昆	武汉大学遥感信息工程学院	79	778	16.0	26.0
2	徐敏	武汉大学遥感信息工程学院	30	119	5.0	10.0