[发明专利]基于可能性中心点聚类的多光谱遥感影像混合像元分解方法

权利要求书

1.一种基于可能性中心点聚类的多光谱遥感影像混合像元分解方法，其特征在于，根据可能性理论和中心点聚类方法的基本原理，构建可能性中心点聚类方法的代价函数式和可能性隶属度函数，运用启发式算法对离散的解空间进行搜索，通过迭代运算更新聚类中心及可能性隶属度矩阵，将代价函数达到最小值时的聚类中心和隶属度归一化结果作为光谱端元和组分比例，即各类地表覆被的盖度；具体步骤包括：

1)确定聚类个数C、模糊加权指数m和最大迭代次数max_iter，运用减法聚类法从数据集X中选择C个初始聚类中心V＝{v₁,v₂,…,v_c}，将迭代次数iter设为0；

2)对所有数据对象计算(i＝1,…,C；j＝1,…,n)，并对h_j进行升序排列构成h_j:n，选取对应于前s个h_j:n的s个数据对象，其中，h_j:n代表将h_j进行升序排列后得到的第j项；η_i为运行模糊C中心点算法收敛后所得到的估计值：

ηi=Σj=1nuijm||xj-vi||2Σj=1nuijm]]>

或

ηi=Σuij>α||xj-vj||2Σuij>α1]]>

其中α为合适的阈值，在[0.1,0.4]区间内取值；

3)对这s个数据对象计算其隶属度值(i＝1,…,C；j＝1,…,s)；

4)储存当前聚类中心V_current＝V；

5)计算新的聚类中心v_i＝x_q(i＝1,…,C)，

其中，q=argmin1≤k≤s[Σj=1suij:nm||xj:n-xk:n||2+Σj=1nηim(uij:nmlnuij:nm-uij:nm)];]]>

6)将iter增1，即iter＝iter+1；如果聚类中心不再发生变化，或者iter＝max_iter，那么终止迭代过程，即可获得可能性隶属度矩阵U与聚类中心V；否则，转向第(2)步；

7)对算法收敛后得到的可能性隶属度u_ij:n进行归一化处理，并将噪声数据的隶属度值设为0，其计算公式为

uij′=uij:nΣi=1Cuij:nj=1,...,s0j=s+1,...,n]]>

2.按权利要求1所述的多光谱遥感影像混合像元分解方法，其特征在于，在迭代运算中，对应于前s个h_j:n的s个数据对象，通过取s＝80％×n，求取目标函数的最小值来获得算法的最优解。