[发明专利]一种遥感影像模糊多中心的监督分类方法及应用

权利要求书

1.一种遥感影像模糊多中心的监督分类方法，其特征在于：首先采用基于FCM方法的分层聚类方法，在光谱空间将图像分割成大小相似的粒子；其次利用标记样本对这些粒子进行标记和分类，将其分为三类：1）纯粒子； 2）不纯粒子；3）未标记粒子；第三，每个未标记样本属于每种土地覆盖类型的隶属度，都由最邻近的纯粒子来确定；主要包括：

（1）粒度分割模块

首先使用FCM算法将完整的数据集X分割成 个叶子，加权欧氏距离的确定如下：

这里是样本和中心之间的加权欧氏距离，是数据集的维度，是数据集第j维的标准偏差，将FCM算法应用于完整数据集后，得到 个聚类，然后对完整数据集进行如下拆分：

这里为叶子数量，为样本属于叶子的隶属度，函数用于计算隶属度的最大值；为数据集的第个子集，在这里，因此完整数据被分为三个子集，分别标记为1、2和3；以叶子结点中的样本数或叶子的宽度（带宽）为阈值作为终止条件，也就是说，如果叶子的样本数或叶子的宽度大于阈值，则以与第一个节点相同的参数重复在该叶子上运行FCM，否则，就没有必要把叶子分割开，通过循环迭代，使得层次树上的每个叶子结点内的样本数小于阈值，或者叶子的宽度小于阈值；

（2）粒子分类模块

选择层次树的所有叶子结点，然后将其分为三类：1）单一类型标记样本的纯粒子，是粒子标记样本的类型是单一的，并且标记样本的数量大于N个；2）不同类型标记样本的不纯粒子；3）未标记粒子；

（3）计算隶属度模块

这里是属于型的样本的隶属度，分别是样型中心的最短距离, 是模糊系数；当采用均值平滑法来考虑邻域隶属度，利用最大隶属度原理确定未标记样本的类型，可表示为

。

2.权利要求1所述遥感影像模糊多中心的监督分类方法在用于提高遥感分类的精度和可靠性方面的应用；其中所述的提高遥感分类的精度和可靠性指的是：以多中心表达遥感数据的波谱多样性和基于多样性表达的模糊分类方法。