蟻群模糊聚類算法在遙感海岸線提取中的應(yīng)用研究.pdf

1、海岸帶作為海洋與陸地的交匯地帶，其特殊的地理位置及豐富的自然資源使之成為人類開發(fā)和建設(shè)的重要地帶。海岸線是海岸帶的重要標(biāo)志之一，科學(xué)且可靠的海岸線提取是海岸帶可持續(xù)發(fā)展的前提。遙感技術(shù)的發(fā)展使其在海岸線提取測定上替代傳統(tǒng)測量方法成為重要的手段之一。本文對(duì)遙感海岸線的提取技術(shù)進(jìn)行研究，完成的工作主要有以下幾點(diǎn)：
　　1.敘述海岸帶及海岸線的概念和意義、遙感海岸線提取的研究現(xiàn)狀及發(fā)展趨勢。針對(duì)海岸線提取是以遙感海岸帶影像水陸分類為前提

2、的情況，給出了基于分類誤差矩陣的海岸線精度評(píng)價(jià)標(biāo)準(zhǔn)。在研究分析遙感圖像分類原理的基礎(chǔ)上給出了適應(yīng)遙感圖像模糊性特性的模糊C均值聚類(FCM)算法。針對(duì)FCM算法在遙感圖像分類中存在非線性處理能力有限的問題，引入核函數(shù)轉(zhuǎn)化低維空間中不可分的非線性模式為高維空間中可分的線性模式，分析研究了基于核函數(shù)的核模糊C均值聚類(KFCM)算法。
　　2.針對(duì)模糊聚類算法易陷入局部極小值并且對(duì)初始值敏感的問題，引入蟻群算法至FCM算法和KFCM算

3、法中。在研究蟻群算法原理的基礎(chǔ)上給出基于蟻群算法優(yōu)化的聚類中心選擇算法。利用聚類中心選擇算法確定模糊聚類算法的初始聚類中心以及聚類數(shù)目，再通過模糊聚類算法處理待分類圖像，從而利用蟻群算法的全局性和魯棒性克服模糊聚類算法易陷入局部極小值并且對(duì)初始值敏感的問題。根據(jù)基于改進(jìn)蟻群算法優(yōu)化的模糊聚類算法處理浙江舟山地區(qū)的遙感圖像，通過實(shí)驗(yàn)結(jié)果的分析，得出基于傳統(tǒng)模糊聚類算法分類的圖像邊緣比較模糊，并且該算法局部收斂不足的問題導(dǎo)致小像素塊的散落分

4、布較多，而引入蟻群算法的模糊聚類算法邊緣相對(duì)清晰，而且小像素塊散落分布的情況明顯減少。通過分類誤差矩陣定量分析實(shí)驗(yàn)結(jié)果，得到引入蟻群算法的模糊聚類算法在分類精度和分類效果上都優(yōu)于傳統(tǒng)模糊聚類算法。
　　3.給出基于蟻群模糊聚類的遙感海岸線提取算法。該算法首先利用基于改進(jìn)蟻群算法優(yōu)化的模糊聚類算法分類浙江舟山地區(qū)的海岸帶遙感圖像，再結(jié)合人工目視解譯與海岸線遙感解譯標(biāo)志提取分類結(jié)果圖中的海岸線。針對(duì)部分曲折的海岸線及不必要的節(jié)點(diǎn)存在的

5、情況，利用道格拉斯-普克算法對(duì)其進(jìn)行修正。通過分析浙江舟山地區(qū)的遙感海岸線提取實(shí)驗(yàn)結(jié)果，表明本文算法能得到比較理想的海岸線提取精度，同時(shí)獲取海岸帶周邊信息。
　　4.對(duì)比基于本文算法與基于Canny邊緣檢測的黃河三角洲區(qū)域海岸線提取實(shí)驗(yàn)，得出Canny邊緣檢測算法只能提取出整體的海岸線，無法根據(jù)海岸線的解譯標(biāo)志分辨海岸線類型，因此僅適合于單一海岸線圖像的檢測提??；另外基巖海岸線和人工海岸線與水域相鄰，因此兩者的海岸邊緣即可視為海岸