文档介绍：号代 10701 号学 1004121858
分类号 TP18 级密公开
题( 中、英文) 目基于模糊聚类算法的遥感图像变化检测的研究
Change Detection in Remote Sensing Images based
on Fuzzy Clustering Algorithm
作者姓名贾彩杰指导教师姓名、职称孟红云副教授
学科门类理学学科、专业运筹学与控制论
提交论文日期二○一三年三月
西安电子科技大学
学位论文创新性声明
秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导
师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注
和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;
也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材
料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明
并表示了谢意。
申请学位论文与资料若有不实之处,本人承担一切的法律责任。
本人签名: 日期
西安电子科技大学
关于论文使用授权的说明
本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究
生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保
留送交论文的复印件,允许查阅和借阅论文;学校可以公布论文的全部或部分内
容,可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证,毕业后
结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的
论文在解密后遵守此规定)
本学位论文属于保密,在年解密后适用本授权书。
本人签名: 日期
导师签名: 日期
摘要
遥感图像变化检测是通过对同一地区不同时期的两幅或多幅遥感图像的比较
分析,以及图像之间的差异得到所需的地物变化信息。模糊 C 均值聚类算法(FCM,
fuzzy c-means)是一种不需要任何先验信息的无监督分类,在遥感图像变化检测中
被广泛应用。
由于 FCM 算法具有对初始值敏感、容易陷入局部最优等缺点,而人工蜂群算
法(ABC, artificial bee colony)具有全局收敛性,且计算简洁、易于实现。因此,本
文利用人工蜂群算法的全局寻优能力来代替模糊聚类算法的聚类中心迭代过程,
从而提高模糊聚类算法的精确度,并将新算法利用到遥感图像的变化检测中,本
文主要的工作和内容如下:
(1) 得到效果较好的差异图像是变化检测的关键,为了克服传统方法得到差异
图利用图像信息单一的缺点,本文针对不同的遥感图像分别选用了图像对
数比、像素差值与比值相融合的方法得到差异图像,仿真实验表明,新方
法不仅对噪声的抵抗能力强,而且简单直观。
(2) FCM 算法仅适用于球面几何结构聚类且对初始值敏感, GKC
(Gustafson-Kessel clustering)算法采用自适应距离范数能够自动适应聚类的
形状,文中将这两种模糊聚类算法运用到合成孔径雷达(SRA)图像变化检
测中,仿真实验结果比较表明,GKC 算法分类较准确,效果更好。
(3) 将 FCM 算法与 ABC 算法相结合,利用 ABC 算法代替模糊聚类算法中聚
类中心的迭代寻优过程, 给出了基于人工蜂群优化模糊聚类的新算法
(ABC-FCM)。仿真实验结果表明,新算法比传统的模糊聚类算法得到的结
果图分类准确、效果更好。
关键词:遥感图像变化检测模糊 C 均值聚类人工蜂群算法 Gustafon Kessel 聚
类 SAR 图像
Abstract
Remote sensing image change detection is a technique to acquire terrain change
information through the contrast and analysis two or more remote sensing images,
which are got in the same area at different time. Fuzzy c-means (FCM) algorithm, as a
kind of unsupervised classification, does not need any priori information, and
extensively used in change detection in remote sensing.
However, there are still some weakness in FCM, such as easil