基于K-means算法分割遥感图像的阈值确定方法研究

基于K-means算法分割遥感图像的阈值确定方法研究

赵红丹;田喜平

【摘要】In current remote sensing image segmentation threshold determination method ignores the foreground and background of inner link, lead to segmentation and contour fuzzy, poor performance as a whole was caused.For this, a new kind of remote sensing image segmentation based on K-means algorithm were put, and a method for determining the threshold value of by K-means algorithm for remote sensing image segmentation forward.The between-cluster variance method are used to get the initial threshold segmentation of remote sensing image based on the threshold will remote sensing image was divided into two categories, the average of two types, as K-means clustering algorithm of two initial clustering center, through the K-means clustering method of successive iteration, constantly updated clustering center, until get the clustering criterion function, thus the optimal threshold segmentation of remote sensing images.The experimental results show that the proposed method is adopted to define in the remote sensing image segmentation threshold, not only high efficiency, and overall superior performance.The threshold value of application in remote sensing image segmentation will be got, can separate the target and background is effective, and the target after separation section outline clearer.%当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下.为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图

像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值.实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰.

【期刊名称】《科学技术与工程》

【年(卷),期】2017(017)009

【总页数】5页(P250-254)

【关键词】K-means算法;分割;遥感图像;阈值确定

【作者】赵红丹;田喜平

【作者单位】安阳师范学院计算机与信息工程学院,安阳 455000;安阳师范学院软件学院,安阳 455000

【正文语种】中文

【中图分类】TP391.41

随着遥感数据的逐渐增加，人们对遥感数据的处理需求越来越高，遥感图像的分割恰好可以解决这一问题[1,2]。因为遥感图像的复杂性，使得遥感图像的分割较为困难，而遥感图像分割中阈值的选择是分割过程中最基本的难题之一[3,4]。阈值是否选择恰当对遥感图像的分割效果起着决定性的作用[5]。因此，研究遥感图像分割中阈值确定方法具有重要意义，已经成为相关学者研究的重点课题[6,7]。

文献[8]提出一种基于双峰法的遥感图像分割中阈值确定方法，该方法假设遥感图

像由前景与背景构成，在灰度直方图上，前景与背景均形成高峰，双峰之间的最低谷处即为遥感图像分割的阈值。该方法在遥感图像前景和背景对比较为强烈时效果较好，否则效果较差；文献[9]提出一种基于灰度拉伸的增强型大津法，将其应用

于遥感图像分割的阈值确定中，该方法在大律法的基础上，通过提高灰度级别增强前后景的灰度差，将灰度差最大处作为最佳阈值。该方法实现过程简单，但在实际应用中，灰度级别不同时，遥感图像分割效果相差较大；文献[10]提出一种基于Kirsh算子的遥感图像分割中阈值确定方法，针对遥感图像的各像素，对其八个邻点的灰度值进行计算，将其中三个相邻点的加权和与其他五个相邻点的加权和作差，令三个邻点绕该像素点不断移位，将八个差值的最大值作为Kirsh算子，也就是最佳阈值。该方法能够使遥感图像分割质量提高，但实现过程复杂，不适于实际应用。本文提出一种新的基于K-means算法分割遥感图像的阈值确定方法，通过K-means算法对遥感图像进行分割，通过最大类间方差方法得到分割遥感图像的初

始阈值，将两种方法结合在一起求出遥感图像的最佳分割阈值。实验结果表明，所提方法整体性能优越。

1.1 基于K-means算法的遥感图像分割

K-means算法就是K-均值聚类算法，其基本思想如下：首先确定每个聚类子集的中心点，该中心点为各个子集内所有数据的均值，再依据最小距离准则经迭代将遥感数据集归类，在准则函数收敛的情况下分类达到最优，从而实现遥感图像的分割。从总遥感数据量是n的样本集中随机抽取k个数据对象作为K-means算法的初始聚类中心，根据最小距离原则把总所有遥感数据样本划分至与其距离最短的聚类中心所处的类中，公式描述如下：

Di=min{‖x-Ck‖}；x∈DataSet

式(1)中，Ck用于描述某一类。

依据式(2)描述的最佳判别准则函数不断对新得到的每个聚类中全部数据样本均值