[发明专利]一种自适应区间型空间模糊C均值的地物分类方法

说明书

发明公开了一种自适应区间型空间模糊C均值的地物分类方法，属于数据挖掘与遥感图像处理交叉领域。本发明设计了一种新的自适应的区间模型，利用像素点的最大隶属度控制区间宽度变化，避免了初始参数的依赖性，提高了数据的可分性；定义了新的空间相关性度量方法，综合考量局部空间内像素点的隶属度与空间距离，在控制“噪声”的同时，保留了图像的细节信息；基于空间邻域信息模型，设计了新的区间型模糊C均值算法的类别中心与隶属度的计算方法。自适应区间型空间模糊C均值的地物分类方法具有更好的分类结果，对多光谱遥感影像数据具有良好的准确性与鲁棒性，相比于现有的模糊C均值的方法精度有了提升。

技术领域

本发明属于数据挖掘、遥感图像处理交叉领域，是一种基于自适应区间建模与空间邻域信息的模糊C均值的遥感影像地物分类方法。

背景技术

遥感影像分类是遥感地物信息提取的关键手段，其最终目的是对遥感图像数据中的每一个像素点赋予唯一的类别标志。目前，遥感影像分类的主要问题是：①多光谱遥感影像中的像元信息往往是多种地表成分的复合，存在一定的模糊性，因此对于影像中细节的划分非常困难。②复杂的自然环境以及遥感光谱相互作用，使像素光谱测度的空间相关性越来越复杂，产生许多类属不确定性的“噪声”。多数分类方法对于“噪声”的敏感性强、鲁棒性差，而处理“噪声”较好的分类方法，往往会产生细节丢失的问题。由于以上的问题，导致了已有分类方法不适用于具有严重“噪声”与细节丰富的遥感影像分类。

发明内容

为解决现有技术中的上述问题，本发明提供了一种自适应区间型空间模糊C均值的地物分类方法进行遥感地物分类。本发明的分类方法结合区间建模方法与空间邻域信息，设计了一种新的自适应的区间模型，并定义了新的空间相关性度量方法。

发明公开了一种自适应区间型空间模糊C均值的地物分类方法，属于数据挖掘与遥感图像处理交叉领域。本发明设计了一种新的自适应的区间模型，利用像素点的最大隶属度控制区间宽度变化，避免了初始参数的依赖性，提高了数据的可分性；定义了新的空间相关性度量方法，综合考量局部空间内像素点的隶属度与空间距离，在控制“噪声”的同时，保留了图像的细节信息；基于空间邻域信息模型，设计了新的区间型模糊C均值算法的类别中心与隶属度的计算方法。技术思路如下：

1)初始化各分类参数，把多光谱遥感数据的每个像素点作为分类特征向量；

2)由各像素点的局部空间偏差确定各像素点的最大区间宽度，利用各像素点的最大隶属度作为调节因子，对待测数据进行动态区间计算；

3)结合隶属度与空间距离，计算各局部空间内的空间相关性；基于空间相关性模型，分别计算类别中心区间的上、下边界；

4)利用最大相异性度量方法，计算待测数据与类别中心的距离；结合空间邻域信息，计算隶属度；

5)重复2)-4)过程，直到满足终止条件，分类完成；

6)保持待测数据的隶属度不变，用最大隶属度规则对待测样本点进行类别归一化。

具体的技术方案如下所述：

一种自适应区间型空间模糊C均值的地物分类方法(本发明中简称AIVSFCM方法)，包括如下步骤：