模糊聚类算法在遥感图像分割中的应用研究

摘要

图像分割技术在许多应用领域都发挥着重要的作用,如机器人视觉、目标识别以及遥感图像分类等.以经典数学为基础的聚类算法将每个对象严格地划分为某一类,但在实际应用中某些对象并不具有严格的属性,比如在遥感图像中典型的混合像元问题,这时采用模糊聚类可以获得更好的分割效果.该文首先对模糊数学的起源、发展和研究现状作了简要的介绍,然后深入探讨了聚类算法的基本理论.通过仔细分析FCM算法的理论基础和推导过程,针对FCM算法的不足,我们提出了一种改进的模糊聚类算法——AFCM算法.随后,我们借鉴另一种快速聚类算法——GBFCM算法的主要思想,提出了基于加快聚类中心修正频率的快速模糊聚类算法——SFCM算法,并将其应用于遥感图像分割,取得了很好的效果.最后,基于模糊决策理论,提出了一种获取最佳模糊加权指数m的优选方法,实验证明这种方法是合理有效的.

目录

文摘

英文文摘

第一章绪论

1.1问题的提出

1.2模糊数学的发展及研究现状

1.3本文研究内容

第二章遥感的基本知识

2.1遥感卫星

2.2遥感的概念

2.3遥感技术发展概况

2.4 TM图像简介

2.5卫星遥感与农业

2.6本章小结

第三章模糊数学理论基础

3.1模糊数学产生的背景

3.2模糊数学的特点

3.3普通集合和模糊集合

3.4模糊结合的运算

3.5凸模糊集和模糊数

3.5.1基本定义

3.5.2凸模糊集的三种标准隶属函数

3.6本章小结

第四章聚类概述

4.1聚类与聚类方法

4.1.1谱系聚类法

4.1.2图论法

4.1.3目标函数法

4.2距离度量

4.3模糊聚类

4.3.1硬分类

4.3.2模糊分类

4.3.3聚类准则

4.4本章小结

第五章FCM算法在图像分割中的应用研究

5.1 FCM算法简介

5.2 FCM算法的实现

5.3 FCM算法分析

5.4算法改进

5.5实验结果与分析

5.5.1实验结果

5.5.2结果分析与研究

5.6本章小结

第六章SFCM算法在图像分割中的应用研究

6.1 GBFCM算法

6.1.1算法推导

6.1.2算法实现

6.2 SFCM算法

6.3实验结果与分析

6.3.1实验结果

6.3.2结果分析

6.4本章小结

第七章基于模糊决策的最佳m值选择

7.1模糊决策理论

7.2模糊聚类的划分熵

7.3最佳m值的选取

7.4实验结果与分析

7.4.1实验结果

7.4.2结果分析

7.5本章小结

结束语

致谢

参考文献