K均值算法实现遥感图像的非监督分类.docxVIP

K均值算法实现遥感图像的非监督分类包 健 ,厉小润(浙江大学 K均值算法实现遥感图像的非监督分类 包 健 ,厉小润 (浙江大学 电气工程学院 ,浙江 杭州 310027) 摘 要 : K均值算法在高光谱遥感影像的非监督分类中具有较强的实用性 ,表现出了良好的优点 。首先 采用了最大最小选心法确定初始类别中心 ,然后使用了 K均值算法实现遥感影像的分类 。在分类过程 中采用了 VC + + 2005 作为开发平台 ,极大地提高了遥感影像的分类速度 ,同时还给出了实现 K均值分 类主要步骤的代码 。最后在深入分析不同迭代次数下得到的不同分类图的基础上 ,研究了迭代次数值 对最后分类结果的影响. 关键词 :非监督分类 ; K均值算法 ; VC + + 2005 中图分类号 : TP751 文献标识码 : A 文章编号 : 1001 - 4551 ( 2008 ) 03 - 0077 - 04 Un superv ised c la ssif ica t ion of rem o te im a ge s u sin g K2m ean a lgor ithm BAO J ian, L I X iao2run ( College of E lectrica l Eng ineering, Z hejiang U n iversity, H angzhou 310027, Ch ina ) A b stra c t: K2m ean a lgo rithm show s grea t u tility and a lo t of advan tage in the a rea of un sup e rvised c la ssifica tion of remo te im age s. The m axim um 2m in im um choo sing cen te r m e thod wa s u sed to choo se the c lu ste ring cen te r, then the unsupervised classification of remo te images was realized. A t that step , choo sing VC + + 2005 as the develop ing p latfo rm , the classification time was greatly decreased and the main p rocedure code fo r the realization of classification was given out. A t last, the influence of iterating number in classified images was found by looking for the difference among different classified images which was got by using different iterating number. Key word s: un sup e rvised c la ssifica tion; K2m ean a lgo rithm; VC + + 2005 出可自行调整程序控制参数的对话框以便用户操作 。 0 前 言 遥感影像的非监督分类 ,是指人们事先对分类过 程不施加任何的先验知识 ,仅凭据遥感影像的光谱特 性的分布规律 ,顺其自然地进行盲目分类 。它的主要 优点表现在 : ①不需要对所要分类的区域有广泛的了 解和熟悉 ; ②人为误差的机会减少 ; ③独特的 、覆盖面 小的类别均能够被识别 [ 1 ] 。 K均值算法是一种常用的非监督分类方法 [ 2 ] ,该 算法的结果往往受到初始聚类中心选择和聚类中心的 个数等因素的影响 。 为了使初始样本之间的光谱特征差异尽可能大 , 本研究在 VC + + 2005 开发环境下采用最大最小距离 选心法 ,实现初始样本的确定 , 然后 根 据初 试类 别 中 心 ,通过不断的迭代实现遥感图像的自动分类 。考虑 到遥感图像数据量比较大 ,本研究采用 VC2005作为程 序实验平台 。VC2005 可以方便地控制内存的分配 ,大 大提高程序的处理速度 。同时 ,使用 VC2005 能够开发 1 实验所采用遥感图像的说明 本实验采用的遥感图像格式是 ENV I标准格式 , 该格式由文本文件部分和数据部分两个文件组成 。数 据部分只记录图像的数据内容 ,不包含有其他内容 ;而 文本文件部分则是对该图像数据部分的组成和其他一 些波段信息进行说明 。如果没有