基于自适应K-Means算法的遥感图像聚类优化方法

摘要

针对遥感图像聚类去雾处理效果差，导致图像聚类的聚类精度和Kappa系数较低、时间较长的问题，提出了一种基于自适应K-means算法的遥感图像聚类优化方法。首先，结合暗通道先验估计和颜色线先验估计对遥感图像进行去雾处理；其次，计算去雾后遥感图像的灰度共生矩阵，并获取纹理特征；最后，采用蜂群算法对K-means算法实施优化，利用优化后的自适应K-means算法根据纹理特征，实现遥感图像的聚类优化。实验结果表明，所提方法可有效消除遥感图像中的云雾，图像细节信息显示清晰，在聚类精度、 Kappa系数和聚类时间均表现出良好的性能，聚类精度达到94.9%, Kappa系数为0.97,聚类时间仅为0.36 s。

关键词

遥感图像 / K-means算法 / 蜂群算法 / 图像去雾 / 聚类优化