[发明专利]一种基于最优模糊因子选择的可变类遥感图像分割方法

摘要

本发明提供一种基于最优模糊因子选择的可变类遥感图像分割方法，包括：读取待分割的遥感图像；确定待分割遥感图像的最优同质区域类别数；通过反模糊化找到待分割遥感图像中每个像素光谱测度矢量的所属同质区域类别，得到待分割遥感图像的分割结果。本发明采用划分熵指数作为优选模糊因子的指标，当对待分割遥感图像的模糊因子小于最优模糊因子时，PE指数值较大；当模糊因子恰好等于最优模糊因子时，PE指数会跳变到一个较小的值，随着模糊因子的进一步增多，PE指数值逐渐趋于稳定；选择PE指数收敛时所对应的最小模糊因子为最优模糊因子，在最优模糊因子时对应的类别数为最优类别数，实现确定遥感图像中同质区域的类别数，获得较好的分割结果。

主权项

1.基于最优模糊因子选择的可变类遥感图像分割方法，其特征在于，包括以下步骤：步骤1：读取待分割的遥感图像，测量待分割遥感图像中每个像素的光谱测度矢量，将待分割遥感图像表示为各个像素的光谱测度矢量的集合；步骤2：确定待分割遥感图像的最优同质区域类别数；步骤2.1：初始化参数：模糊因子初始值γ(0)＝1，迭代次数t＝0，模糊因子最大值为M，模糊因子的变化步长为Δγ；步骤2.2：对待分割的遥感图像进行自组织分割；步骤2.3：归一化第t+1次迭代后待分割遥感图像中各个像素的光谱测度矢量属于各聚类的隶属度，并计算第t+1次迭代后的划分熵指数；步骤2.4：计算第t+1次迭代后的不同聚类中心的个数即待分割的遥感图像中同质区域类别数；步骤2.5：迭代判定：当第t+1次迭代的模糊因子值大于模糊因子最大值M时，停止迭代，进入步骤2.6，所述第t+1次迭代的模糊因子值为第t次迭代产生的模糊因子γ(t)与模糊因子变化步长Δγ之和；否则，令t＝t+1，返回步骤2.2；步骤2.6：以第t+1次迭代产生的划分熵指数为纵轴、以第t+1次迭代产生的模糊因子为横轴做划分熵指数随模糊因子变化的曲线，以第t+1次迭代产生的不同的聚类中心个数即同质区域类别数为纵轴，以第t+1次迭代产生的模糊因子为横轴做同质区域类别数随模糊因子变化的曲线；步骤2.7：通过步骤2.6所得的曲线，选择划分熵指数达到稳态时对应的最小的模糊因子γ作为最优模糊因子γ*，最优模糊因子γ*对应的不同的聚类中心个数作为最优同质区域类别数c*，完成待分割图像的类别数确定；步骤3：通过反模糊化c*个聚类中心找到待分割遥感图像中每个像素光谱测度矢量的所属同质区域类别，得到待分割遥感图像的分割结果。