資源描述：
《基于空間信息核模糊C均值聚類算法的遙感圖像分類》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、浙江工業(yè)大學(xué)碩士學(xué)位論文基于空間信息核模糊C均值聚類算法的遙感圖像分類作者姓名：沈忠陽(yáng)指導(dǎo)教師：覃亞麗教授浙江工業(yè)大學(xué)信息工程學(xué)院2013年3月DissertationSubmittedtoZhejiangUniversityofTechnologyfortheDegreeofMasterClassificationofRemoteSensingImageBasedonSpatialInformationKernelizedFuzzyC-meansAlgorithmCandidate：ShenZhong-yangAdvisor：Prof．QinYa-liCollegeofIn
2、formationEngineeringZhejiangUniversityofTechnologyMarch2013舢7舢8舢6iiii¨i●■__舢1Ⅲ4洲Z洲Y浙江工業(yè)大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所提交的學(xué)位論文是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的研究成果。除文中已經(jīng)加以標(biāo)注引用的內(nèi)容外，本論文不包含其他個(gè)人或集體己經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果，也不含為獲得浙江工業(yè)大學(xué)或其它教育機(jī)構(gòu)的學(xué)位證書(shū)而使用過(guò)的材料。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均己在文中以明確方式標(biāo)明。本人承擔(dān)本聲明的法律責(zé)任。作者簽名：i定造．弓崢日期：加f)年9月2髟曰學(xué)位論文版權(quán)使
3、用授權(quán)書(shū)本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門(mén)或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)浙江工業(yè)大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1、保密口，在年解密后適用本授權(quán)書(shū)。2、不保密“(請(qǐng)?jiān)谝陨舷鄳?yīng)方框內(nèi)打“√”)作者簽名：的毽、子峰日期：叫)年譬月上翌日導(dǎo)師簽名：?。ト掌冢合噺V月毋函浙江工業(yè)大學(xué)碩士學(xué)位論文基于空間信息核模糊C均值聚類算法的遙感圖像分類摘要遙感技術(shù)的發(fā)展為人們觀測(cè)宇宙和探知地球發(fā)揮了重要的作用。衛(wèi)星遙感
4、圖像為地表觀測(cè)提供了豐富的觀測(cè)數(shù)據(jù)，為了有效地利用遙感數(shù)據(jù)，將遙感圖像的光譜信息轉(zhuǎn)化為用戶的類別信息，需要有效地對(duì)遙感圖像進(jìn)行分析和解譯。如今分類制圖仍然大規(guī)模地使用人工的方法，這種方法不僅需要大量的人力物力，而且消耗大量的時(shí)間?；谟?jì)算機(jī)技術(shù)的遙感圖像分類方法是對(duì)傳統(tǒng)方法的重大改進(jìn)。遙感圖像分類方式主要有兩種，即監(jiān)督分類和非監(jiān)督分類。非監(jiān)督的遙感圖像分類技術(shù)已經(jīng)成為遙感圖像分類領(lǐng)域的主要方法之一。本文重點(diǎn)探討了基于模糊理論的非監(jiān)督分類算法，完成的工作有以下幾點(diǎn)：1．闡述了遙感圖像分類的基本原理，介紹了遙感圖像分類精度評(píng)價(jià)的原理及方法，總結(jié)了幾種常用的遙感圖像分類方法。2．給
5、出了一種非監(jiān)督分類方法：模糊C均值聚類(FcM)算法。針對(duì)該算法在分類過(guò)程中對(duì)噪聲比較敏感這個(gè)缺點(diǎn)，本文給出了一種基于空間信息的模糊C均值聚類(SFCM)算法。該算法能有效利用圖像的空間信息從而達(dá)到對(duì)含有噪聲的遙感圖像準(zhǔn)確分類的目的。實(shí)驗(yàn)結(jié)果證明了該算法的有效性。3．FCM算法的非線性處理能力有限，然而遙感圖像分類多數(shù)是非線性問(wèn)題。針對(duì)該問(wèn)題，本文給出了一種基于核函數(shù)的模糊c均值聚類算法：核模糊c均值聚類(KFCM)算法。通過(guò)把核函數(shù)引入到FCM算法中，KFCM算法使原來(lái)在低維空間非線性不可分的模式變成在高維空間線性可分，從而提高遙感圖像的分類精度。4．針對(duì)FCM算法對(duì)噪聲敏
6、感以及非線性處理能力有限這兩點(diǎn)不足，本文提出了1種改進(jìn)的算法：空間信息核模糊C均值聚類(SKFCM)算法。用KFCM、SFCM以及SKFCM算法對(duì)含有噪聲的遙感圖像做了分類對(duì)比實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明：SKFCM算法不僅具有較好的抗噪性，而且具有較高的分類精度。關(guān)鍵詞：遙感圖像，分類，空問(wèn)信息，核函數(shù)，模糊C均值聚類i浙江工業(yè)大學(xué)碩士學(xué)位論文CLASSIFICATIoNoFREMoTESENSINGIMAGEBASEDoNSP!．ALTIALINFoRMArrIoNKERNELIZEDFUZZYC．MEANSALGoRITHMABSTRACTThedevelopmentofremo
7、tesensingtechnologyhasplayedanimportantroleforpeopletodiscoverandobservetheearth．Satelliteremotesensingimagesprovideabundantobservationaldatatoearthobservation．Inordertoutilizeremotesensingdataeffectively,andtransformthespectralinformationofremotesensing
