一种基于核数据变换方法的遥感图像谱聚类算法

摘要

随着遥感图像在各行各业的日益广泛应用，遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理，本研究提出了一种基于核数据变换和角距离度量的谱聚类新算法。首先，通过对基于多变量核特征提取的一般核熵成分分析法的分析，并运用信息论概念和核密度估计密切相关的瑞利二次熵，提出了最佳特征提取和无监督降维方法，即最佳核熵成分分析法。它根据类或聚类信息方面的数据结构，采用一个额外的旋转，使得成分之间的独立性最大化；在这些成分中最佳地捕捉数据的高信息势部分，直接找到关于保留成分的数量的最大化信息势的基，以确保得到的解比标准的核熵成分分析得到的解保留更多(或相等)的信息势；并提出了采用梯度上升法来求解最佳核熵成分分析优化问题，具体实现是采用了一种简单的提前终止方案，以确保梯度达到一个额外迭代不会显著修改成本函数的区域。其次，通过对最佳核熵成分分析变换和样本外扩展的分析，构建了一种基于角距离度量的谱聚类算法，它采用角距离度量的核k-均值聚类目标，而不是采用基于欧氏距离的度量。优化过程采用最佳核熵成分分析空间中的角距离，以保证收敛到局部最优，从而实现图像的聚类。采用多光谱卫星图像的实验结果表明，本研究提出的谱聚类算法不仅适用于遥感图像的云筛选问题，而且相比目前其他先进的聚类算法有更好的分类性能。

关键词

遥感图像 / 非线性特征提取 / 概率密度函数 / k-均值 / 瑞利熵 / 谱聚类