遥感图像的光谱特征提取与比较方法

摘要

一种遥感图像的光谱特征提取与比较方法，用主分量变换完成多光谱图像谱间去相关以后，确定图像的各聚类中心矢量，按照“就近原则”将图像的各矢量元素分到各聚类中心代表的类中去，然后对聚类的结果进行合并与分裂操作，使得聚类的结果趋向平衡，得到特征提取的最终结果，最后在两幅图像完成特征提取后，按四个特征比较标准将矢量数组之间的比较进行标量化，使得图像间的相似和相异程度得到定性和定量的体现。本发明采用改进的迭代自组织数据分析技术ISODATA，在保证原算法效果的情况下，尤其在遥感图像波段较多时，能大幅度降低计算量，减少所需要的参数，使参数的控制更容易，并且使特征提取结果可以用于图像数据库检索。

主权项

1、一种遥感图像的光谱特征提取与比较方法，其特征在于包括如下三个基本步骤：1)图像矢量元素的初始聚类：先将原多光谱遥感图像进行主分量变换，根据实际需要的精度确定所要保留的主分量的个数，按照主分量对应的特征值由大到小的顺序保留主分量，得到主分量矩阵，令初始聚类中心数目等于主分量个数的平方，计算图像主分量矩阵的均值和标准差，以均值为中心，在左右2倍标准差之间等分，得到端点作为初始聚类中心，对主分量矩阵中的各矢量元素以“就近原则”进行初始聚类，即求图像的每个矢量元素与各聚类中心的二范数距离，若某矢量元素与某聚类中心的距离最小，就将该矢量元素划分到该类，最后得到每个类的元素集合与元素数目；2)类的合并与分裂：计算元素数目的百分比，将百分比小于某一给定阈值的类去掉，计算各类的均值与标准差以及总体的标准差，如果某一类的标准差与总体标准差的比值大于某一给定阈值，将该类分解，即以该类的聚类中心与标准差的和与差形成一对新的聚类中心，然后将该类元素按照“就近原则”划分到新类中，如果某一类的标准差与总体标准差的比值小于某一给定阈值，将它与下一个和它相邻的类合并，计算合并以后的类的均值和标准差作为新类的聚类中心和标准差，如果是最后一个类出现此种情况，就不用作任何处理；重复计算各类均值与标准差以及总体的标准差并进行以上判断，直到没有类的合并与分裂发生为止，最后形成的聚类中心、各类元素数目、各类标准差即为特征提取结果；3)特征比较：将两幅图像的聚类中心和标准差分别标量化，各类元素数目进行归一化，然后按以下四个标准进行比较，标准1：以聚类中心为横坐标，各类元素百分比为纵坐标在同一个坐标系下作曲线，定性比较它们的相似程度；标准2：计算曲线的积分面积以及它们差的绝对值，得到面积差与面积之间的比值；标准3：将两幅图像的聚类中心以“就近原则”配对，并计算它们对应的原矢量之间二范数的平均值；标准4：计算由标准3配对的类的标准差对应的原矢量之间的二范数，计算两聚类中心标准差之间的距离与它们的几何平均值的比值。