[发明专利]遥感影像的主分量和模糊聚类村镇专题信息提取方法

摘要

本发明属于遥感技术领域，具体涉及一种遥感影像的主分量和模糊聚类村镇专题信息提取方法。本发明通过主分量和模糊聚类来进行遥感图像村镇专题信息提取，包括四个步骤：向量编码：遥感数据按不同特征属性将其按位置编码成向量，主分量变换：向量采用主分量前向变换到主分量维，通过粗糙集的β值保留主分量维中的前几维占大部分信息，特别情况若三波段图像就直接用三维；模糊聚类：对约简维的(若三波段图像就是三维)特征集进行类别的划分；人机交互：聚类结果通过人机交互选定图块就能得到提取的专题信息；基于形态学的专题提取信息后处理：对得到的专题信息图象数据，进行滤波，跟踪生成满足通用GIS软件要求的专题信息矢量数据。本发明受噪声和误差影响较少，鲁棒性强，能处理的数据广泛，耗时少。

主权项

1、一种遥感影像的主分量和模糊聚类村镇专题信息提取方法，其特征在于通过基于粗糙集的主分量变换得到进行模糊聚类所依靠的数据，然后利用改进的模糊c_均值聚类方法对图像进行聚类得到各聚类信息，在此基础上进行基于人机协同的聚类结果专题类别判断，实现专题信息的分类，并经过基于形态学的专题提取信息后处理，得到满足通用GIS软件要求的专题信息矢量数据，即.shp文件；具体步骤如下：(1)遥感多波段影像的RgPCA特征降维，包括向量编码和主分量变换：①向量编码采用离散化编码，根据光谱段的个数确定向量的维数，向量排列按位对齐，求得所有向量的均值向量将所有向量按位编码，形成向量编码；②主分量变换，由C→x=1m×nΣi=1m×nx→i·x→iT-m→x·m→xT,]]>式中为编码向量的协方差矩阵，为单元向量，为单元均值向量，m×n为总单元数，计算出编码向量的协方差矩阵，由高斯消去法计算的特征值与特征向量，构造矩阵数组为由的特征向量组成行的矩阵，并进行从大到小排序，使的第一行对应于特征值向量的最大值，最后一行对应特征值向量最小值，然后利用y→=A→(x→-m→x),]]>进行前向变换，最后按每维对应的特征值占特征值总和多少计算百分比，特征值斜率的绝对值小于粗糙β值0.25的后几维舍去，达到降维目的，只有三波段的图像直接运用三维；(2)村镇专题信息的模糊c_均值聚类；对主成份向量依据欧氏距离的模糊聚类，第一次分类采用均分，算出每个聚类中心，再计算每个主成份向量到聚类中心的距离；按距离将初次分类重新划分，重新计算每个聚类中心，再计算每个主成份向量到聚类中心的距离；对于主成份向量到两个聚类中心向量距离相近，即两距离比约等于1，采用通用模糊隶属度函数判断归属；(3)基于人、机协同的聚类结果专题类别判断；系统将聚类结果以不同颜色叠合在多波段原始遥感影像上，两者交互显示，根据已知专题信息的兴趣区的聚类情况，对整幅遥感影像聚类的专题信息情况进行目视判读确定，得到村镇居民区或建筑区、水体、道路、农田林地、其它这5类专题信息；(4)基于形态学的专题提取信息后处理，得到满足通用GIS软件要求的专题信息矢量数据；通过形态开、闭运算，对步骤(3)的专题图像进行滤波，除去比结构元素小的特定图像细节，保证不产生全局的集合失真，在形态学滤波的基础上对提取的矢量进行长度及面积统计，对提取出的矢量长度及所围面积小于阈值的进行剔除，最后生成满足通用GIS软件要求的专题信息矢量数据，即.shp文件。