子空间与KL信息结合的FCM多光谱遥感图像分割

摘要

针对传统模糊C-均值聚类（FCM）算法用于含噪声多光谱遥感图像分割时存在的精度不足问题，提出一种自适应模糊子空间与增强KL信息相结合的FCM多光谱遥感图像分割算法.首先，使用局部模糊因子，在不依赖参数的情况下，通过相似性度量和自适应约束参数自动消除噪声干扰，并提取图像的局部空间信息.其次，将原始图像信息和模糊因子处理过的局部空间信息统一整合到模糊子空间聚类中，对图像的多个通道进行自适应加权处理，以提高分割精度.最后，将KL信息以正则项的形式引入FCM目标函数中进行聚类计算，并通过ESD(Extreme Studentized Deviate)检测模型剔除隶属度矩阵中的离群值，以增强KL先验信息，降低隶属度模糊性.AID数据库和真实环境下的多光谱遥感图像分割实验表明，在模拟噪声环境中，所提出算法不仅可以抑制噪声，而且能得到较高的分割精度.此外，本文算法在分割精度、模糊系数和峰值信噪比等评价指标方面也均优于其他几种变体式FCM算法.

关键词

模糊聚类 / 子空间 / 模糊因子 / KL信息 / 图像分割