条件随机场模型约束下的遥感影像模糊C-均值聚类算法

遥感影像具有丰富的空间相关信息,而传统的基于像元光谱的聚类算法并不能将空间信息融入聚类,聚类结果往往不好。针对这一问题,本文提出了一种条件随机场模型约束下的模糊C-均值聚类算法,通过邻域像元的分类先验信息对中心像元的类别进行约束从而提取空间相关信息,基于二阶条件随机场将光谱信息和空间相关信息同时融入聚类,并使用环形置信度迭代算法得到像元分类后验概率的全局最优推测。试验证明,本文算法能够有效地保持地物的形状特征,分类精度相比传统算法有所提高。

一种新的ART网络遥感影像分类方法

本文提出了一种基于模糊算子的ART2A-C遥感影像分类算法。算法结合原有几种高性能的ART网络对传统ART2A-C网络做了改进。论文分别利用现有网络和改进算法对遥感影像作了聚类,实验结果表明新算法的分类性能明显优于原算法。

改进RFLICM模型的青海湖水体边界提取

针对传统FCM聚类方法提取青海湖水体边界的不确定性,提出改进模糊局部信息聚类方法(RFLICM)的青海湖水体边界提取方法。该方法利用条件概率密度函数的负对数描述像素与聚类间相似性,并结合空间位置定义模糊局部变量以控制算法分割尺度,结合邻域像素标号定义先验概率,进而将影像分割成湖水和陆地两部分,通过提取影像分割结果轮廓线获得湖水边界线。实验结果表明,该方法可以有效地提取青海湖边界信息,提取结果优于RFLICM与隐Markov随机场模型的增强型空间约束FCM影像聚类(HMRF-FCM)方法。