基于模糊数学的遥感图像分类研究

摘要

遥感图像分类一直以来都是遥感图像处理领域的重要研究内容，如何解决多类别图像的分类识别问题并满足一定的分类精度，是遥感图像研究中的一个关键问题，具有十分重要的现实意义。由于遥感图像分类过程中存在着大量的不确定性，模糊数学的方法是一种处理不确定问题的实用方法，其核心是利用隶属度函数的相似关系确定待分类对象的分类关系，因此，模糊数学的方法正在被越来越广泛的应用于遥感图像分类研究。在模糊分类的不同算法中，应用和研究最多的是模糊c均值聚类算法。
　　 模糊c均值聚类算法虽然应用广泛，存在较多的优点，但是随着研究的深入，该算法还是暴露出许多不足，特别是在对混合像元的分类处理时，只考虑单一的、独立的像元而不关系邻域像元的特征，导致对混合像元的漏分、错分现象频繁发生，分类效果很不理想，进而使得总体分类精度受到很大的影响。
　　 本论文针对模糊c均值聚类算法在对混合像元分类处理时的不足，提出了改进的模糊c均值聚类算法，基本思想是利用遥感图像中相邻像元之间的信息相关性及类别相近性原则，引入了加权约束条件作为判别待分类混合像元归属类别的准则，充分利用待分类混合像元相邻邻域内其它像元的特征，综合考虑这一邻域内的各种信息，通过分析中心混合像元与周围相邻像元的相似关系来设定隶属度矩阵，以隶属度矩阵的隶属度值来确定中心混合像元的所属类别。然后通过实验的方法验证了改进算法的收敛性及有效性，实验结果表明，虽然在提高运算效率方面改进的算法较原算法结果不十分明显，但是从改善分类精度的角度看，改进的算法较原算法有一定的提高。综合分析，改进的算法是可行的。