遥感影像的主分量和模糊聚类村镇专题信息提取方法

摘要

本发明属于遥感技术领域，具体涉及一种遥感影像的主分量和模糊聚类村镇专题信息提取方法。本发明通过主分量和模糊聚类来进行遥感图像村镇专题信息提取，包括四个步骤：向量编码：遥感数据按不同特征属性将其按位置编码成向量，主分量变换：向量采用主分量前向变换到主分量维，通过粗糙集的β值保留主分量维中的前几维占大部分信息，特别情况若三波段图像就直接用三维；模糊聚类：对约简维的(若三波段图像就是三维)特征集进行类别的划分；人机交互：聚类结果通过人机交互选定图块就能得到提取的专题信息；基于形态学的专题提取信息后处理：对得到的专题信息图象数据，进行滤波，跟踪生成满足通用GIS软件要求的专题信息矢量数据。本发明受噪声和误差影响较少，鲁棒性强，能处理的数据广泛，耗时少。

主权项

1.一种遥感影像的主分量和模糊聚类村镇专题信息提取方法，其特征在于通过基于粗糙集的主分量变换RgPCA得到进行模糊聚类所依靠的数据，然后利用改进的模糊c_均值聚类方法对图像进行聚类得到各聚类信息，在此基础上进行基于人机协同的聚类结果专题类别判断，实现专题信息的分类，并经过基于形态学的专题提取信息后处理，得到满足通用GIS软件要求的专题信息矢量数据，即.shp文件；具体步骤如下：(1)遥感多波段影像的RgPCA特征降维，包括向量编码和主分量变换：①向量编码采用离散化编码，根据光谱段的个数确定向量的维数，向量排列按位对齐，求得所有向量的均值向量将所有向量按位编码，形成向量编码；②主分量变换，由式中为编码向量的协方差矩阵，为单元向量，为单元均值向量，m×n为总单元数，计算出编码向量的协方差矩阵，由高斯消去法计算的特征值与特征向量，构造矩阵数组为由的特征向量组成行的矩阵，并进行从大到小排序，使的第一行对应于特征向量的最大值，最后一行对应特征向量最小值，然后利用进行前向变换，最后按每维对应的特征值占特征值总和多少计算百分比，特征值斜率的绝对值小于粗糙β值0.25的后几维舍去，达到降维目的，只有三波段的图像直接运用三维；(2)村镇专题信息的模糊c_均值聚类；对主成份向量依据欧氏距离的模糊聚类，第一次分类采用均分，算出每个聚类中心，再计算每个主成份向量到聚类中心的距离；按距离将初次分类重新划分，重新计算每个聚类中心，再计算每个主成份向量到聚类中心的距离；循环进行上述过程；对于主成份向量到两个聚类中心向量距离相近，即两距离比约等于1，采用通用模糊隶属度函数判断归属；其中：第i个元素对于第j类的隶属度函数为(3)基于人、机协同的聚类结果专题类别判断；系统将聚类结果以不同颜色叠合在多波段原始遥感影像上，两者交互显示，根据已知专题信息的兴趣区的聚类情况，对整幅遥感影像聚类的专题信息情况进行目视判读确定，得到村镇居民区或建筑区、水体、道路、农田林地、其它这5类专题信息；(4)基于形态学的专题提取信息后处理，得到满足通用GIS软件要求的专题信息矢量数据；通过形态开、闭运算，对步骤(3)的专题图像进行滤波，除去比结构元素小的特定图像细节，保证不产生全局的集合失真，在形态学滤波的基础上对提取的矢量进行长度及面积统计，对提取出的矢量长度及所围面积小于阈值的进行剔除，最后生成满足通用GIS软件要求的专题信息矢量数据，即.shp文件。