基于改進(jìn)的FCM遙感圖像聚類算法的研究與應(yīng)用.pdf

1、隨著衛(wèi)星數(shù)量不斷地增加且遙感圖像分辨率不斷地提高，我國(guó)已獲得了巨大數(shù)據(jù)量的遙感圖像。傳統(tǒng)的人工處理遙感圖像方法有許多弊端，如工作量大、效率低、穩(wěn)定性差、不利于遙感圖像信息的充分提取與最大利用。由于智能圖像處理技術(shù)具有處理速度快、穩(wěn)定性好等優(yōu)點(diǎn)，該技術(shù)在人工智能領(lǐng)域得到了廣泛的重視與發(fā)展。
　　本文主要以氣象衛(wèi)星遙感圖像為研究對(duì)象，開(kāi)展了基于遙感圖像聚類算法的研究及應(yīng)用，主要完成的工作如下:
　　1、提出了一種基于反饋多尺度指

2、數(shù)模糊C均值(FMEFFCM)算法。由于不同類型云系在遙感圖像中分布灰度區(qū)間長(zhǎng)短不一，本文利用數(shù)據(jù)對(duì)象隸屬度，提出了一種基于反饋多尺度指數(shù)模糊C均值算法，該算法通過(guò)數(shù)據(jù)隸屬度確定反饋因子，該因子通過(guò)改變相關(guān)類簇的聚類范圍，從而使模糊聚類算法關(guān)于遙感圖像云系聚類精度更高。
　　2、針對(duì)氣象衛(wèi)星遙感圖像聚類結(jié)果中每類簇含有大量非云系數(shù)據(jù)，本文基于云系物理信息與分布特征，提出了基于Radon變換的密度分類算法。該算法首先通過(guò)Radon變