[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

摘要

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。

主权项

1.一种自适应区间型空间模糊C均值的地物分类方法，其特征在于包括如下步骤：1)按照需求确定类别数c，模糊加权指数m，迭代次数最大值T，阈值ε，初始化迭代次数t＝1；设定待测多光谱遥感影像数据为n维矢量空间数据集，即待测数据集X＝{x₁，x₂，…，x_i，…，x_N}，x_i∈Rⁿ，N是矢量特征的个数，R是实数集，随机初始化待测数据集X对类别质心V＝{v₁，v₂，…，v_c}，(v_i＝{v_i1，v_i2，...，v_in}，i＝1，2，…，c)的隶属度矩阵U＝{u₁，u₂，...，u_c}(u_i＝{u_i1，u_i2，...，u_iN}，i＝1，2，…，c)；2)计算待测数据集的自适应区间值，计算公式如式(1)所示，其中，u_i表示像素点x_i隶属于各个类别的隶属度矢量，max(u_i)表示隶属度的最大值，ω_i表示x_i所处局部空间的偏差；3)更新中心的上、下边界，计算公式分别如式(2)、(3)所示，其中，N_i表示以x_i为中心的局部空间，||N_i||表示局部空间内像素点个数，u_ki表示像素点x_i隶属于第k个簇的隶属度，SC_ij(k)表示像素点x_i和x_j属于第k类别的空间相关性，计算公式如(4)所示，其中，D_ij表示两像素点的空间距离；4)更新隶属度u_ki，如式(5)所示，其中，表示矢量区间数据与矢量区间中心的距离，计算公式如(6)所示，5)如果或t＜T，终止迭代，否则t＝t+1，返回2)；，6)对每个像素点进行类别划分，如式(7)所示，P_i＝arg_k∈[1，c]{max(u_ki)}                    (7)