PSO与Isodata融合的遥感图像分割新方法
需积分: 10 74 浏览量
更新于2024-08-12
收藏 277KB PDF 举报
"该资源是一篇发表在2012年《武汉大学学报·信息科学版》第37卷第1期上的论文,作者包括马彩虹、戴芹和刘士彬。文章主要讨论了一种结合粒子群优化(PSO)算法和Isodata聚类算法的遥感图像分割新方法,旨在解决传统分割方法的缺点,如聚类过程的随机性和可能的局部最优问题。该方法在不同分辨率的遥感图像上进行了实验,表现出能够自适应确定聚类数量和提高分割结果的准确性。关键词包括PSO算法、Isodata算法、特征距离和遥感图像分割。"
这篇论文的核心在于提出了一种创新的遥感图像分割技术,它融合了两种不同的算法:粒子群优化(PSO)和Isodata聚类算法。PSO是一种源于人工智能领域的优化技术,它模拟了鸟群或鱼群的集体行为来寻找全局最优解。在遥感图像分割中,PSO被用来优化聚类中心的选择,以克服Isodata算法中随机选择聚类中心可能导致的不稳定性。
Isodata算法是一种非监督学习的聚类方法,它的特点是能够动态地合并或分裂类别,以适应数据的特性,自动生成合适的聚类数量。然而,Isodata算法的一个主要缺点是其依赖于随机初始化,不同的初始条件可能会导致不同的分类结果,甚至无法找到全局最优解。
论文中提出的新型分割方法通过PSO算法优化Isodata的聚类过程,使得聚类中心的选取更加合理,减少了因随机性导致的分割误差。这一融合策略可以有效地避免陷入局部最优,同时提高了聚类的效率和准确性,使得分割结果更接近实际的地物情况。
实验部分展示了该方法在处理不同分辨率的遥感图像时的优越性能,证明了这种方法能够自适应地确定最佳聚类数量,从而改善了分割的稳定性和精度。这对于遥感图像分析、地物识别和地理信息系统等领域具有重要的实践意义,为遥感图像处理提供了一个新的有效工具。
2009-04-07 上传
2020-06-28 上传
2022-07-14 上传
2022-09-19 上传
181 浏览量
2024-09-28 上传
2008-12-23 上传
2021-06-14 上传
weixin_38531017
- 粉丝: 8
- 资源: 916
最新资源
- 新代数控API接口实现CNC数据采集技术解析
- Java版Window任务管理器的设计与实现
- 响应式网页模板及前端源码合集:HTML、CSS、JS与H5
- 可爱贪吃蛇动画特效的Canvas实现教程
- 微信小程序婚礼邀请函教程
- SOCR UCLA WebGis修改:整合世界银行数据
- BUPT计网课程设计:实现具有中继转发功能的DNS服务器
- C# Winform记事本工具开发教程与功能介绍
- 移动端自适应H5网页模板与前端源码包
- Logadm日志管理工具:创建与删除日志条目的详细指南
- 双日记微信小程序开源项目-百度地图集成
- ThreeJS天空盒素材集锦 35+ 优质效果
- 百度地图Java源码深度解析:GoogleDapper中文翻译与应用
- Linux系统调查工具:BashScripts脚本集合
- Kubernetes v1.20 完整二进制安装指南与脚本
- 百度地图开发java源码-KSYMediaPlayerKit_Android库更新与使用说明