一种模糊C均值聚类的影像分类方法

针对传统的模糊C均值聚类(fuzzy c-means clustering,FCM)后处理方法往往不能有效划分较优类别的问题,提出了一种聚类结果明确化的新方法,命名为邻域加权隶属度和(neighboring weighted membership grade sum,NMS)方法。方法增加了邻域信息的使用,采用了阈值加权和反距离加权处理聚类结果,并以多种类型遥感影像为测试实例,进行了不同方法的影像分类对比研究。结果表明,分类结果全局精度比最大隶属度方法平均提高约8%,Kappa系数平均提高11%;同时噪声图斑数量下降,图斑具有更好的完整性;新方法对具体分类问题的使用更具灵活性与普适性。