一種多目標(biāo)遙感影像模糊聚類方法

高 博

(中國電子科技集團(tuán)公司第二十研究所，陜西 西安 710068)

遙感影像被廣泛應(yīng)用于環(huán)境監(jiān)測[1], 地表覆蓋觀測[2-3]，變化檢測[4-5]和氣候研究[6]等領(lǐng)域。對于遠(yuǎn)程遙感應(yīng)用，遙感影像聚類是一種重要的技術(shù)，它是將給定的遙感影像劃分為幾個同質(zhì)的區(qū)域，每個區(qū)域往往表示一種特定地物類型[7]。一般地，聚類通過相似度度量，將給定遙感影像劃分為K個區(qū)域。同時，一般聚類在遙感影像中的表現(xiàn)可能會受到噪聲或者混疊像素的影響。模糊聚類對噪聲或者異常值具有較好的魯棒性，往往能夠取得更好的聚類結(jié)果。實際上，聚類是一個優(yōu)化問題，可以通過最小化特定的目標(biāo)函數(shù)來實現(xiàn)[8]。

梳理相關(guān)文獻(xiàn)，可以發(fā)現(xiàn)，遙感影像聚類方法可以歸為兩類，即有監(jiān)督聚類和無監(jiān)督聚類[9]。有監(jiān)督聚類需要一個訓(xùn)練集用于訓(xùn)練分類器，而無監(jiān)督聚類則通過分析給定數(shù)據(jù)來實現(xiàn)像素的分類，無需訓(xùn)練樣本。聚類將一幅圖像劃分為非重疊連續(xù)的區(qū)域，每個區(qū)域關(guān)于特定的特征是一致的，比如關(guān)于像素強(qiáng)度，紋理或者上下文信息。模糊C均值(FCM)是最著名的聚類方法之一，它成功地將模糊邏輯引入到聚類中。與傳統(tǒng)的硬聚類方法相比，盡管FCM能夠保留更多的信息，但它依然對噪聲和異常值很敏感，這是因為它沒有考慮到空間和上下文信息。后來，許多研究者成功地把局部空間信息引入到標(biāo)準(zhǔn)的FCM中，以提高聚類表現(xiàn)[10-11]。文獻(xiàn)[11]提出一種廣義的模糊C 均值聚類算法(FGFCM)，它對噪聲和異常值不敏感，可以彌補(bǔ)標(biāo)準(zhǔn)FCM的劣勢?！?br>