【摘要】 本发明公开了基于区域聚类的遥感影像分割方法，属于遥感影像综合利用领域。其步骤为：用MeanShift算法进行区域预分割，以去除噪声和对像元进行初步集群化；用模糊C均值算法对预分割后的图像进行模糊聚类，对各图像对象的特征进行初步的归纳与识别，得到各对象隶属于某一类别的概率，构成遥感影像的地类概率空间，从而为进一步的区域分割提供对象合并的依据；在聚类图像的概率空间中进行区域分割，通过区域标号将概率空间上相近且类别上相似的像元划分为同一对象。本发明克服了两种原有分割方法的不足之处，能够精确有效地对遥感影像进行分割，经过集成可以批量地完成对遥感影像的分割任务，为更好地从遥感影像提取地物信息提供数据支撑。 【专利类型】发明申请 【申请人】南京大学 【申请人类型】学校 【申请人地址】210093 江苏省南京市鼓楼区汉口路22号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】鼓楼区 【申请号】CN201010566893.8 【申请日】2010-12-01 【申请年份】2010 【公开公告号】CN102005034A 【公开公告日】2011-04-06 【公开公告年份】2011 【授权公告号】CN102005034B 【授权公告日】2012-07-04 【授权公告年份】2012.0 【IPC分类号】G06T5/00 【发明人】李满春; 程亮; 刘永学; 黄秋昊; 江冲亚; 赵威; 陈焱明; 杨康 【主权项内容】一种基于区域聚类的遥感影像分割方法，包括以下步骤：步骤1：区域预分割，即在待分割的遥感影像的光谱空间中用MeanShift算法对图像进行初步的区域分割：①选择经过影像预处理的遥感影像作为待分割的数据源，用GDAL作为数据读写工具读入遥感影像；②要为MeanShift算法确定合适的空间域带宽hs和光谱域带宽hr两个参数，实验证明空间域带宽hs为5时分割效果最好；对于光谱域带宽hr，用以下方法计算：对单个像元，统计其空间域邻域中的所有像元与它的DN值之差的均值，即为该像元邻域范围内的平均光谱差异；统计所有像元的平均光谱差异，对其再求均值，即为整个图像在一定空间域带宽下的平均光谱差异，以此作为光谱域带宽hr；③用meanShift算法对影像进行滤波处理；然后依据空间域带宽hs和光谱域带宽hr，使用种子生长法对图像进行区域标号，最后计算相同标号的像元的DN值的均值，以这一均值作为该类对象所有像元的DN值填入图像数组中即得到预分割图像；步骤2：模糊聚类，即在预分割后图像的光谱空间中用FCM算法进行模糊聚类：①采用FCM算法进行模糊聚类，需要设置一个参数，即聚类数C，实验证明选择20作为聚类数，综合效果最好；所以随机选取20个样本像元点作为聚类中心；②通过计算距离矩阵和隶属度矩阵→重新计算聚类中心→再次计算距离矩阵和隶属度矩阵的循环得到稳定地聚类中心和隶属度矩阵，从而得到每个像元点隶属于每个类中心的概率大小组成的概率图像；步骤3：区域重分割，即对模糊聚类得到的概率图像用MeanShift算法进行区域分割：用与步骤1一致的方法对概率图像进行MeanShift滤波处理，用种子生长法对图像进行标号得到分割后的每个对象隶属于每个地类的概率图像；然后依据每个对象隶属于各个地类概率的大小进行概率“硬化”，即确定每个对象应属于隶属概率最大的那一类；步骤4：分割对象的合并，即消除面积较小的分割对象，将其归并到邻近分割对象中去：以分割对象最小尺度M为标准，面积小于M的分割对象将被划归到与之最邻近其他分割对象中去；面积大于M的分割对象才保留下来；以此减少分割对象的数目。 【当前权利人】南京大学 【当前专利权人地址】江苏省南京市栖霞区仙林大道163号 【统一社会信用代码】12100000466007458M 【引证次数】5.0 【被引证次数】46 【他引次数】5.0 【被自引次数】4.0 【被他引次数】42.0 【家族引证次数】5.0 【家族被引证次数】46

未经允许不得转载：http://www.zhongzhencnc.com/1785669234.html