遥感图像扫描聚类分割算法

第 ９期
李 玉 等：遥感图像扫描聚类分割算法
１１３１
素光谱测度相似性尽可能小［１］。该方法原理简单、 可拓展性强、计 算 速 度 快，因 此 广 泛 应 用 于 遥 感 图 像分割中。目前，较为常用的聚类分割算法主要包 含以下几种类型：Ｋｍｅａｎｓ聚类［２３］、层次聚类 、 ［４５］ 模糊聚类［６７］、谱聚类［８９］等分割算法。
ＴｈｅＲｅｍｏｔｅＳｅｎｓｉｎｇＩｍａｇｅＳｃａｎＣｌｕｓｔｅｒｉｎｇＳｅｇｍｅｎｔａｔｉｏｎＡｌｇｏｒｉｔｈｍ
ＬＩＹｕ ＨＵＨａｉｆｅｎｇ ＺＨＡＯＸｕｅｍｅｉ ＺＨＡＯＱｕａｎｈｕａ
（ＩｎｓｔｉｔｕｔｅｆｏｒＲｅｍｏｔｅＳｅｎｓｉｎｇＳｃｉｅｎｃｅａｎｄＡｐｐｌｉｃａｔｉｏｎ，ＬｉａｏｎｉｎｇＴｅｃｈｎｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｆｕｘｉｎ，Ｌｉａｏｎｉｎｇ１２３０００，Ｃｈｉｎａ）
１ 引言
聚类分割算法实质是利用图像各像素光谱测
Baidu Nhomakorabea
度在特征空间自然聚类的性质，将表征不同地物的 像素进行归并，保证其分割结果中同一地物类别内 像素光谱测度相似性尽可能大，不同地物类别间像
收稿日期：２０１８－０１－０３；修回日期：２０１８－０６－２２ 基金项目：国家自然科学基金（４１３０１４７９，４１２７１４３５）；辽宁省自然科学基金（２０１５０２００９０）
第 ３４卷 第 ９期 ２０１８年 ９月
信号处理 ＪＯＵＲＮＡＬＯＦＳＩＧＮＡＬＰＲＯＣＥＳＳＩＮＧ
文章编号：１００３－０５３０（２０１８）０９－１１３０－１２
遥感图像扫描聚类分割算法
Ｖｏｌ．３４ Ｎｏ．９ Ｓｅｐ．２０１８
李 玉 胡海峰 赵雪梅 赵泉华
（辽宁工程技术大学遥感科学与应用研究所，辽宁阜新 １２３０００）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇａｔｓｏｌｖｉｎｇｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｒａｄｉｔｉｏｎａｌｃｌｕｓｔｅｒｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍｓａｒｅｓｅｎｓｉｔｉｖｅｔｏｎｏｉｓｅａｎｄｏｕｔｌｉｎ ｅｒｓ，ａｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎａｌｇｏｒｉｔｈｍ ｗａｓｉｎｔｒｏｄｕｃｅｄｂａｓｅｄｏｎｓｃａｎｎｉｎｇｃｌｕｓｔｅｒｉｎｇｔｈｅｏｒｙａｃｃｏｒｄｉｎｇｔｏｔｈｅ ｍａｉｎｂｏｄｙｅｘｐｒｅｓｓｉｏｎｃａｐａｃｉｔｙｏｆｉｍａｇｅｏｆＲＧＢｅｉｇｅｎｓｐａｃｅａｎｄｎｅｉｇｈｂｏｒｃｏｒｒｅｌａｔｉｏｎｏｆｉｍａｇｅｓｐａｃｅ，ｗｈｉｃｈｈａｓａｈｉｇｈｅｒｌｅｖ ｅｌｏｆｎｏｉｓｅａｎｄｏｕｔｌｉｎｅｒｓｒｏｂｕｓｔｎｅｓｓ．ＴｈｉｓａｌｇｏｒｉｔｈｍｍｏｄｅｌｓｔｈｅＲＧＢｅｉｇｅｎｓｐａｃｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔｔａｒｇｅｔｓｕｓｉｎｇｅｌｌｉｐ ｓｏｉｄａｌｏｂｊｅｃｔｓ．Ｉｎｔｈｅｍｏｄｅｌ，ｔｈｒｅｅｐｒｉｎｃｉｐｌｅｃｏｍｐｏｎｅｎｔｄｉｒｅｃｔｉｏｎｓａｐｐｒｏａｃｈｔｈｒｅｅａｘｉｓｏｆｔｈｅｅｌｌｉｐｓｏｉｄ．Ｂｙａｄｊｕｓｔｉｎｇｔｈｅｅｌ ｌｉｐｓｏｉｄｃｅｎｔｅｒ，ｐｒｉｎｃｉｐｌｅｃｏｍｐｏｎｅｎｔｄｉｒｅｃｔｉｏｎａｎｄｔｈｅｌｅｎｇｔｈｏｆｔｈｒｅｅａｘｉｓ，ｔｈｅｅｌｌｉｐｓｏｉｄｗｉｌｌｂｅａｂｅｓｔｆｉｔｆｏｒｔａｒｇｅｔｂｏｄｉｅｓｉｎ ｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆＲＧＢｅｉｇｅｎｓｐａｃｅ．Ｉｎｔｈｉｓｃａｓｅ，ｔｈｅｒｅｃｏｇｎｉｔｉｏｎｏｆｄｉｆｆｅｒｅｎｔｔａｒｇｅｔｂｏｄｉｅｓｉｎＲＧＢｅｉｇｅｎｓｐａｃｅｗｉｌｌｂｅａ ｃｈｉｅｖｅｄ．ＲＧＢｅｉｇｅｎｓｐａｃｅｉｓｃａｐａｂｌｅｔｏｄｉｓｔｉｎｇｕｉｓｈｄｉｆｆｅｒｅｎｔｔｙｐｅｏｆｔａｒｇｅｔｓｅｆｆｅｃｔｉｖｅｌｙ．Ｈｏｗｅｖｅｒ，ｉｔｃａｎｎｏｔｄｅｔｅｒｍｉｎｅｓｕｂｏｒ ｄｉｎａｔｉｏｎｏｆｔｈｅｂｏｄｙｐｉｘｅｌｓａｗａｙｆｒｏｍｃｌｕｓｔｅｒｓ．Ｆｏｒｆｕｌｌｙｕｓｅｏｆｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｔｈａｔｎｅｉｇｈｂｏｒｐｉｘｅｌｓａｒｅｍｏｒｅｌｉｋｅｌｙｔｏｂｅ ｓｕｂｏｒｄｉｎａｔｅｔｏｔｈｅｓａｍｅｔａｒｇｅｔｉｎｔｈｅｉｍａｇｅｓｐａｃｅ，ｎｅｉｇｈｂｏｒｐｉｘｅｌｓｙｍｂｏｌｓａｒｅｕｓｅｄｔｏｆｉｌｌｔｈｅｈｏｌｅｓｉｎｔｈｅｒｅｓｕｌｔｏｆｂｏｄｙｓｅｇ ｍｅｎｔａｔｉｏｎｆｏｒｇｅｔｔｉｎｇａｃｏｍｐｌｅｔｅｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｗｈｉｃｈｈａｓａｂｅｔｔｅｒｒｏｂｕｓｔｎｅｓｓｏｆｎｏｉｓｅ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｘｐｅｒｉｍｅｎｔｓｏｆ ｓｙｎｔｈｅｓｉｓｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓａｎｄｔｒｕｔｈｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ，ｎｏｔｏｎｌｙｃａｎｔｈｅｐｒｏｐｏｓｅｄａｌｇｏｒｉｔｈｍｄｉｆｆｅｒｅｎｔｉａｔｅｂｏｄｙｔａｒ ｇｅｔｓｅｆｆｅｃｔｉｖｅｌｙ，ｂｕｔａｌｓｏｉｍｐｒｏｖｅｔｈｅｎｏｉｓｅａｎｄｏｕｔｌｉｎｅｒｓｒｏｂｕｓｔｎｅｓｓｇｒｅａｔｌｙ． Ｋｅｙｗｏｒｄｓ：ｔｈｅｅｌｌｉｐｓｏｉｄａｌｄｉｓｔｒｉｂｕｔｉｏｎ；ｓｃａｎｃｌｕｓｔｅｒｉｎｇ；ｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔｓａｎａｌｙｓｉｓ；ｃｏａｒｓｅｓｅｇｍｅｎｔａｔｉｏｎ
遥感图像扫描聚类分割算法1135kmeans聚类算法作为最常用的动态聚类硬划3实验结果分方法先指定聚类数目并随机生成初始聚类中为了验证提出算法估计的目标主体主成分方心而后以像素到聚类中心欧式距离最小作为相似向与该类目标真实主成分方向的差异以图1a对性准则进行逐像素聚类并以各聚类均值矢量作为应模板图像为标准分别计算图像各目标主成分方新的聚类中心重新聚类直至收敛
摘 要：针对传统聚类分割算法对噪声和异常值敏感的问题，利用 ＲＧＢ特征空间对图像主体的表达能力及图像 空间的邻域相关性，基于扫描聚类原理提出一种对噪声和异常值具有较强鲁棒性的遥感图像分割算法。算法以 椭球形建模不同目标在 ＲＧＢ特征空间分布，以三个主成分方向逼近椭球三轴方向，通过逐渐调整椭球中心、主 成分方向以及三轴长度使椭球对目标主体在 ＲＧＢ特征空间分布达到最优拟合效果，进而实现 ＲＧＢ特征空间不同 目标主体的识别。ＲＧＢ特征空间能够有效区分不同类型目标，但无法判定远离聚类主体像素的隶属性。为了充 分利用图像空间相邻像素隶属于同一目标的可能性较大这一性质，利用相邻像素标号填补主体分割结果中的空 洞区域，得到对噪声具有较强鲁棒性的完整分割结果。对合成遥感图像和真实遥感图像的分割实验表明，提出 算法不但能够有效识别目标主体，还能极大程度地提高算法对噪声和异常值的鲁棒性。 关键词：椭球形分布；扫描聚类；主成分分析；粗分割 中图分类号：ＴＰ７９１ 文献标识码：Ａ ＤＯＩ：１０．１６７９８／ｊ．ｉｓｓｎ．１００３０５３０．２０１８．０９．０１４