[发明专利]基于可能性中心点聚类的多光谱遥感影像混合像元分解方法

摘要

本发明属于遥感图像处理技术领域，具体为一种基于可能性中心点聚类的多光谱遥感影像混合像元分解方法。本发明根据可能性理论和中心点聚类方法的基本原理，构建可能性C中心点聚类方法的代价函数式和可能性隶属度函数，运用启发式算法对离散的解空间进行搜索，通过迭代运算更新聚类中心及可能性隶属度矩阵，获得最终的光谱端元和组分比例，即地表覆被的盖度。本方法不仅对噪声和孤立点数据有良好的鲁棒性，而且可有效处理重叠聚类问题，在聚类间彼此距离较近时也能准确地识别聚类中心，因此，可以在噪声环境下获得高精度的地表覆被盖度和端元光谱信息。本发明在采用多光谱遥感影像进行高精度地物分类、目标检测方面具有重要的应用价值。

主权项

一种基于可能性中心点聚类的多光谱遥感影像混合像元分解方法，其特征在于，根据可能性理论和中心点聚类方法的基本原理，构建可能性中心点聚类方法的代价函数式和可能性隶属度函数，运用启发式算法对离散的解空间进行搜索，通过迭代运算更新聚类中心及可能性隶属度矩阵，将代价函数达到最小值时的聚类中心和隶属度归一化结果作为光谱端元和组分比例，即各类地表覆被的盖度；具体步骤包括：1)确定聚类个数C、模糊加权指数m和最大迭代次数max_iter，运用减法聚类法从数据集X中选择C个初始聚类中心V＝{v₁,v₂,…,v_c}，将迭代次数iter设为0；2)对所有数据对象计算(i＝1,…,C；j＝1,…,n)，并对h_j进行升序排列构成h_j:n，选取对应于前s个h_j:n的s个数据对象，其中，h_j:n代表将h_j进行升序排列后得到的第j项；η_i为运行模糊C中心点算法收敛后所得到的估计值：${\mathrm{\η}}_i=\frac{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{u}_{\mathrm{ij}}^m{\left|\right|x_j-v_i\left|\right|}^2}{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{u}_{\mathrm{ij}}^m}$或${\mathrm{\η}}_i=\frac{\underset{u_{\mathrm{ij}}>\mathrm{\α}}{\mathrm{\Σ}}{{\left|\right|x}_j-v_j\left|\right|}^2}{\underset{u_{\mathrm{ij}}>\mathrm{\α}}{\mathrm{\Σ}}1}$其中α为合适的阈值，在[0.1,0.4]区间内取值；3)对这s个数据对象计算其隶属度值(i＝1,…,C；j＝1,…,s)；4)储存当前聚类中心V_current＝V；5)计算新的聚类中心v_i＝x_q(i＝1,…,C)，其中，$q=\underset{1\≤k\≤s}{\arg \min }[\underset{j=1}{\overset{s}{\mathrm{\Σ}}}{u}_{\mathrm{ij}:n}^m{\left|\right|x_{j:n}-x_{k:n}\left|\right|}^2+\underset{j=1}{\overset{n}{\mathrm{\Σ}}}\frac{{\mathrm{\η}}_i}{m}(u_{\mathrm{ij}:n}^m\ln u_{\mathrm{ij}:n}^m-u_{\mathrm{ij}:n}^m)];$6)将iter增1，即iter＝iter+1；如果聚类中心不再发生变化，或者iter＝max_iter，那么终止迭代过程，即可获得可能性隶属度矩阵U与聚类中心V；否则，转向第(2)步；7)对算法收敛后得到的可能性隶属度u_ij:n进行归一化处理，并将噪声数据的隶属度值设为0，其计算公式为$u_{\mathrm{ij}}^{\′}=\left\{\begin{array}{cc}\frac{u_{\mathrm{ij}:n}}{\underset{i=1}{\overset{C}{\mathrm{\Σ}}}{u}_{\mathrm{ij}:n}}& j=1,...,s\\ 0& j=s+1,...,n\end{array}\right.$