您的位置 首页 科技

高光谱遥感图像非监督分类的方法有哪些?高分二号 遥感地质 点云建模

高光谱遥感图像非监督分类的方法有哪些?非监督分类就是不需要训练样本,直接根据图像数据的组织方式进行自学习的分类方法,其快速简单且具有定的分类精度,可以作为监督分关的重要朴充手段,参考非监督分类的结果,可以对监督分类结果进行修改和调整。

高光谱遥感图像非监督分类的方法有哪些?

高光谱遥感图像非监督分类的方法有哪些?高分二号 遥感地质 点云建模

非监督分类就是不需要训练样本,直接根据图像数据的组织方式进行自学习的分类方法,其快速简单且具有定的分类精度,可以作为监督分关的重要朴充手段,参考非监督分类的结果,可以对监督分类结果进行修改和调整。

(1)聚类法

聚类法是通过提取地物特征,将相似的地物归并到同一类中的方法。聚类法可以分为2种:分级集群法和非分级集群法。分级集群法是根据最小距离原则,将像元归并到不同的类中。经过归并后的像元类别被当作新的个体,重新计算距离并划分类别,直至达到最终的分类类别,这种不断归并的过程是通过分级来实现的。而非分级集群法则是在初始状态就给出合适的类别,通过对个体的不断组合最终获得分离程度最高的判别函数。

(2)分裂法

分裂的过程与聚类过程正好相反。该算法首先将所有的像元都看作一类,计算出各个波段均差x;和方差σ,并按照式计算分裂后的2个类的中心。

Mil=xi-σi, Mi2=xi+σi

分别计算每个像元到中心点的距离,将像元划分到距离较近的类中,形成新类;再对新类分别求出每个波段的均值和方差,重新开始分裂,一旦有某个波段的方差大于阈值,新类就要继续分裂。

(3)动态聚类法

动态聚类法首先确定-批初始中心,将待分类的各个像元按某种准则不断地向中心点靠近,并根据类间可分性准则和类内离散度准则不断地进行合并和分类,重新确定类中心并分类,直至取得满意的分类效果。

(4) K均值算法

K均值算法也称为c均值算法,其基本思想是通过不断迭代的方法来逐渐调整每个类的中心,直至取得满意的结果。

(5) ISODATA

ISODATA也称迭代自组数据分折算法,与K均值算法不同,ISODATA将所有样本都调整完毕后再计算各类样本的均值,因此被称为成批样本修正法。该算法可以自动地进行类别的分裂和合并,以得到合理的分类效果。

(6)模糊K均值聚类算法

确定性的分类要求图像的每个像元被准确地划分到某个类中,但自然界中有许多事物是无法被精确描述的。在模式识别中存在着2种情况,一种是地物可以被精确地描述,可以对地物像元进行精确划分;另一种情况是地物无法被精确描述,只能对地物像元进行模糊归纳与总结,这就是将模糊理论引入模式识别的重要原因,基于此,在遥感技术领域有大量研究人员在进行模糊分类的研究。运用模糊理论进行模式识别的最核心问题是隶属度函数的确定,可以根据实际需要进行适当的调整。

模糊K均值算法又称为模糊c均值( FCM, fuzzy c-means)算法,是一种基于划分的聚类算法,是普通K均值算法的改进。普通K均值算法对于数据的划分是硬性的;而模糊K均值算法则是一种柔性的模糊划分,是用隶属度确定每个数据点属于某个聚类的程度的一种聚类算法。

应用典型非监督分类算法对高光谱图像进行非监督分类前,先根据地物光谱分析特性进行波段选择,或利用PCA、MNF、ICA变换进行特征提取,通过这些方式提高图像信噪比、降低冗余、扩大不同类型地物光谱间距离,再进行图像非监督分类,这样不仅有利于提高分类效率,而且在一定程度上减少了噪声对分类结果的干扰,提高了分类结果的精度。

本文来自网络,不代表杆子新闻,甘孜新闻,杆子网立场,转载请注明出处:http://www.ganzixinwen.com/9180.html

作者: 杆子新闻

为您推荐

发表评论

邮箱地址不会被公开。

联系我们

联系我们

0898-88881688

在线咨询: QQ交谈

邮箱: liuyc1985@163.com

工作时间:周一至周五,9:00-17:30,节假日休息

关注微信
微信扫一扫关注我们

微信扫一扫关注我们

关注微博
返回顶部