高分辨率遥感图像中的细小目标(如道路等)使图像的同类区域表现变得不一致,从而增加了高分辨率图像聚类的难度,本文提出了一种高分辨率遥感图像的聚类方法,其聚类过程包括如下三个步骤:第一步,在滑动窗口内使用消除次要成分法处理遥感图...高分辨率遥感图像中的细小目标(如道路等)使图像的同类区域表现变得不一致,从而增加了高分辨率图像聚类的难度,本文提出了一种高分辨率遥感图像的聚类方法,其聚类过程包括如下三个步骤:第一步,在滑动窗口内使用消除次要成分法处理遥感图像,该处理过程使用一维形态学分水岭技术获得直方图中的左侧阈值和右侧阈值,再根据这两个阈值滤除图像中的次要成分;第二步,计算滑动窗口内的图像特征;第三步根据图像特征量利用BPC(Back Propagation and Competitive)网络进行图像聚类。三组试验(本文提出的聚类算法,最邻近距离聚类法,K均值聚类法)表明本文提出的图像聚类方法可以有效实现高分辨率遥感图像的聚类。展开更多
文摘高分辨率遥感图像中的细小目标(如道路等)使图像的同类区域表现变得不一致,从而增加了高分辨率图像聚类的难度,本文提出了一种高分辨率遥感图像的聚类方法,其聚类过程包括如下三个步骤:第一步,在滑动窗口内使用消除次要成分法处理遥感图像,该处理过程使用一维形态学分水岭技术获得直方图中的左侧阈值和右侧阈值,再根据这两个阈值滤除图像中的次要成分;第二步,计算滑动窗口内的图像特征;第三步根据图像特征量利用BPC(Back Propagation and Competitive)网络进行图像聚类。三组试验(本文提出的聚类算法,最邻近距离聚类法,K均值聚类法)表明本文提出的图像聚类方法可以有效实现高分辨率遥感图像的聚类。