基于参数优化改进型可能聚类的遥感图像分割

编号 zgly0000755087

文献类型 期刊论文

文献题名 基于参数优化改进型可能聚类的遥感图像分割

学科分类 220.2530;林业遥感

作者 武斌  黄庆丰  魏元春 

作者单位 安徽农业大学信息与计算机学院  安徽农业大学林学与园林学院 

母体文献 农业网络信息 

年卷期 2011(12)

页码 31-34

年份 2011 

分类号 TP391.41 

关键词 模糊C-均值聚类  可能性模糊C-均值聚类  改进的可能性模糊C-均值聚类  遥感图像 

文摘内容 可能聚类算法(PCA)和可能C-均值聚类算法(PCM)对初始值非常敏感,容易产生一致性聚类。改进型可能C-均值聚类算法(IPCM)能解决PCM的问题,然而IPCM的执行更依赖于参数。IPCM必须计算参数两次,因此聚类时间长。为了克服PCA和IPCM的缺点,进而应用于复杂的遥感图像分割,将PCA和IPCM相结合,提出了一种基于参数优化的改进型可能聚类算法(IPCAOP)。实验表明,IPCAOP在处理遥感图像分割方面明显优于模糊C-均值聚类(FCM)和IPCM。