基于区间值模糊C-均值算法的土地覆盖分类  

作　　者：余先川[1] 贺辉[1,2] 胡丹[1] 周伟[1] 

机构地区：[1]北京师范大学信息科学与技术学院,北京100875 [2]北京师范大学珠海分校信息技术学院,珠海519085

出　　处：《中国科学：地球科学》2014年第9期2022-2029,共8页Scientia Sinica(Terrae)

基　　金：国家自然科学基金项目(批准号:4102029;41272359;11001019);高等学校博士学科点专项科研基金项目(编号:20120003110032)资助

摘　　要：用区间值数据描述聚类原型特征更符合遥感数据的模糊性特点,即传感器获取的地物反射光谱的不确定性和不均匀性在影像上的反映.本文以遥感影像数据为基础构建了区间值数据模型,并提出一种区间最大相异度量方法,进而进行基于区间值数据的模糊C-均值聚类.利用珠三角地区SPOT5卫星和青海玉树附近的TM影像数据进行基于区间值模糊C-均值算法的土地覆盖分类实验.结果表明区间值数据的模糊C-均值算法兼顾了模糊聚类的泛函特性和地物反射光谱的条带特点,从而可以明显改善聚类效果,尤其可以降低"同物异谱"现象对聚类结果的不利影响,而区间最大相异度量可实现基于多波段遥感影像构建的区间向量的最大可分离度,有效抑制类间光谱混叠造成的错分现象,进一步改善聚类效果,最终结果明显优于传统的模糊C-均值聚类方法.

关 键 词：模糊C-均值聚类 区间值数据 遥感影像 土地覆盖分类 

分 类 号：P237[天文地球—摄影测量与遥感] P90[天文地球—测绘科学与技术]