一种云模型和期望最大聚类的遥感影像分割算法  

Combined with Cloud Model and EM Clustering for Remote Sensing Image Segmentation

作　　者：丁玉琦[1] 邵振峰[1] 胡石元[2] 

机构地区：[1]武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079 [2]武汉大学资源与环境科学学院,湖北武汉430079

出　　处：《武汉大学学报（信息科学版）》2015年第6期721-726,共6页Geomatics and Information Science of Wuhan University

基　　金：国家973重点基础研究发展计划资助项目(2010CB731800);国家自然科学基金资助项目(61172174);国家重大科学仪器设备开发专项资助项目(2012YQ16018505);国家科技支撑计划资助项目(2013BAH42F03);教育部新世纪优秀人才基金资助项目(NCET-12-0426)~~

摘　　要：为解决遥感影像分割中存在的不确定性问题和传统层次聚类算法中存在的时间复杂度高、缺乏可再分性等缺陷,基于云模型和期望最大聚类提出了一种新的遥感影像分割算法。该算法首先使用峰值法云变换从影像中抽取底层概念,然后通过EM算法对底层概念进行聚类,最后通过极大判别法完成遥感影像分割。实验证明,EM算法进行概念聚类能够快速地将概念分类为指定个数,并估计出高阶云概念的数学特征,相比于传统的基于云模型的遥感影像分割算法具有更好的分割效果。To solve the shortcomings of the traditional hierarchical clustering algorithm for remote sensing image segmentation, in this paper we propose a new algorithm based on a cloud model and EM algorithm. In the proposed algorithm, we extract the bottom concepts from the remote sensing image using a peak method for cloud transform, and get higher cloud concepts through the EM algorithm, and finally segment the image with Great Criterion. The results show that clustering concepts can be classified quickly as a specified number by the EM algorithm for estimatation of the mathematical lea tures of the higher clouds. The proposed algorithm is superior to the traditional methods.

关 键 词：云模型 期望最大聚类 影像分割 

分 类 号：P208[天文地球—地图制图学与地理信息工程] P237.9[天文地球—测绘科学与技术]