结合邻域信息粒子群聚类用于SAR图像变化检测

摘要

SAR图像变化检测可以转化为对差异图的聚类问题.由于SAR图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法.该方法在模糊C均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心.该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关.实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能.与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少.