基于集对分析的遥感图像K-均值聚类算法

作     者：谢相建 赵俊三 陈学辉 袁思 

作者机构：昆明理工大学国土资源工程学院昆明650093 

出 版 物：《国土资源遥感》 (Remote Sensing for Land & Resources)

年 卷 期：2012年第24卷第4期

页      面：82-87页

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家自然科学基金"面向对象的土地利用空间多尺度耦合机理研究"(编号:41161062)资助 

主　　题：集对分析 K-均值聚类算法 同异反联系度 遥感图像 

摘      要：基于欧式距离的K-均值聚类算法是一种硬分类(把每个待辨识的对象严格地划分到某个类中)方法,面对具有不确定性和混合像元特征的遥感图像数据,传统K-均值聚类算法很难得到满意的分类结果。为解决这一难题,将集对分析(set pair analysis,SPA)理论推广到遥感图像聚类算法,通过引入一个能统一描述同一性、差异性和对立性的同异反(identical discrepancy contrary,IDC)联系度,提出了基于IDC联系度的改进的K-均值聚类算法。该方法克服了传统K-均值算法硬分类的缺陷,可以有效地提高遥感图像聚类精度。对Landsat5 TM卫星数据的聚类分析实验表明,在含有混合像元的遥感图像地物覆盖分类中,改进的K-均值聚类方法的分类效果要优于传统K-均值聚类方法。