基于凝聚層次聚類(lèi)的高分辨率遙感影像分割算法研究.pdf

1、遙感影像分割是遙感影像模式識(shí)別的基礎(chǔ)，是實(shí)現(xiàn)從遙感影像上進(jìn)行目標(biāo)計(jì)算機(jī)自動(dòng)提取的第一步工作，在遙感應(yīng)用分析中具有重要意義。聚類(lèi)分析作為一種非監(jiān)督學(xué)習(xí)方法，廣泛應(yīng)用于遙感影像分割，在中低分辨率遙感影像分割中取得了不錯(cuò)的效果。但是隨著遙感影像分辨率的提高，現(xiàn)有的常用聚類(lèi)分割算法存在分割精度不高、分割結(jié)果雜點(diǎn)、碎斑過(guò)多等不足，已經(jīng)不能滿(mǎn)足高分辨率遙感影像的應(yīng)用需求?；诖?，本文研究了常用的遙感影像聚類(lèi)分割算法，通過(guò)實(shí)驗(yàn)分析了它們?cè)诟叻直媛视跋?/p>

2、分割時(shí)存在的問(wèn)題和不足。并針對(duì)這些問(wèn)題和不足，研究了基于凝聚層次聚類(lèi)的高分辨率遙感影像分割算法。本文的主要研究工作如下： 研究了數(shù)據(jù)挖掘的基本原理、功能和過(guò)程，總結(jié)了數(shù)據(jù)挖掘在各個(gè)領(lǐng)域的應(yīng)用，并對(duì)聚類(lèi)分析進(jìn)行了深入研究，分析了各類(lèi)聚類(lèi)分析算法的優(yōu)缺點(diǎn)。 研究了遙感及遙感影像分割的相關(guān)概念，分析了各類(lèi)遙感影像分割算法的優(yōu)缺點(diǎn)，詳細(xì)介紹了常用的遙感影像聚類(lèi)分割算法K-Means和ISODATA，并利用高分辨率影像對(duì)這兩個(gè)算法

3、進(jìn)行了實(shí)驗(yàn)分析。 針對(duì)K-Means和ISODATA在高分辨率遙感影像分割中的不足，基于凝聚層次聚類(lèi)算法的思想，結(jié)合高分辨率遙感影像特點(diǎn)，研究了基于凝聚層次聚類(lèi)的高分辨率遙感影像分割算法。該算法以影像光譜特性和形狀特性作為判定規(guī)則，通過(guò)加入了影像網(wǎng)格化、碎斑和噪聲去除等功能，有效提高了影像分割結(jié)果的可用性和準(zhǔn)確性。并利用SPOT-5影像數(shù)據(jù)對(duì)算法的有效性進(jìn)行實(shí)驗(yàn)驗(yàn)證，分別進(jìn)行了參數(shù)實(shí)驗(yàn)和網(wǎng)格化效率實(shí)驗(yàn)，以及與K-Means、IS