基于改进模糊均值聚类算法的遥感图像分割技术.pdf

书书书第 卷 第 期 年 月沈阳工业大学学报 收稿日期：基金项目：江西省科技计划项目（）；国网江西经研院科技项目（）。作者简介：陈幸（），女，江西九江人，工程师，硕士，主要从事电网工程与信息技术等方面的研究。檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪檪殏殏殏殏信息科学与工程 ：基于改进模糊均值聚类算法的遥感图像分割技术陈幸，陈盛华，陈国华，孙蕾，姚明侠（国网江西省电力有限公司 经济技术研究院，江西 南昌 ）摘要：针对遥感图像分割迅速性和准确性不高的问题，提出了一种基于改进模糊均值聚类算法的遥感图像分割技术并将其应用于电力规划建设领域。以模糊均值聚类算法为基础，采用样本特征值平方差方式定义了新的特征距离，并通过引入空间函数方式实现了对图像空间信息的利用，从而对模糊均值聚类算法进行改进。结果表明：改进 算法单张图像处理时间约为 图像处理算法的 倍，约为 图像处理算法的 倍；改进 算法图像分割准确率约为 ，比 算法高约 ，比传统 算法高约 。关键词：遥感图像；电力建设；模糊均值；聚类；图像分割；空间函数；特征值；特征距离中图分类号：文献标志码：文章编号：（），（，）：，（），：；随着社会经济的不断发展，基础设施建设如何合理、有效地利用土地资源已成为目前亟待解决的问题。在电力行业，利用遥感图像技术对土地资源进行分类，进而实现输电走廊和变电站的合理规划选址，对实现电网系统建设的高质量发展，加强电力系统的精准投资和精细化管理具有重要意义 。基于人工智能算法的遥感图像分割技术已经得到广泛研究 。王玉等 利用曲波变换获得多尺度分解图像，提出了能够应用于全色遥感图像的分割技术。韦兴旺等 在超像元分割图像基础上对图像区域进行索引，并利用光谱图像特征得到尺度图像性质，从而实现对遥感图像的分割。林文杰等 利用 的良好抗噪性能，构建了区域隐马可夫随机场模型，并利用偏微分方法得到了全局最优图像分割结果。韦春桃等 结合双树复小波纹理和马可夫随机场模型提出了一种高分辨率遥感图像分割方法，在降低噪声的同时提高特征表达准确度。许癑等 采用改进 架构与全连接条件随机场提出了一种基于深度学习模型的遥感图像分割技术，实现了对遥感图像地表物特征的有效提取。对遥感图像分割技术的研究能够实现地表特征的迅速提取，进而合理规划电力建设用地，落实高质量发展要求 。本文在目前广泛使用的模糊均值聚类算法基础上，提出了一种考虑图像空间信息的改进模糊均值聚类算法，以期进一步提升图像分割运行速度和准确度。模糊均值聚类算法模糊均值聚类算法基本原理是对图像中属性一致的像素点进行聚类，然后按照最大隶属度原则对图像进行分割 。以灰度图像为例，将图像像素点个数作为样本数量，灰度值作为样本特征。模糊均值聚类算法的目的是将 个样本划分为个子类，通过对模糊隶属度和聚类中心的不断迭代使得目标函数达到最小值。模糊均值聚类算法的目标函数表达式为 （）式中：为像素 相对第 个聚类中心 的模糊隶属度；为权重系数；为 与 之间的灰度距离。满足的约束条件为 （）计算公式为 （）对 和 求导，得到关于模糊隶属度和聚类中心的迭代公式，即 ()（）（）（）由式（）和式（）可知，若 与 的特征值相近，则该像素具有较高模糊隶属度。综上可知，基于模糊均值聚类算法的遥感图像分割基本过程为：）设置聚类个数，初始化模糊隶属度值及其权重参数，设定目标函数迭代终止条件；）计算聚类中心；）计算模糊隶属度；）重复步骤 ），直到目标函数满足终止条件或达到最大迭代次数；）根据隶属度最大原则，对图像进行聚类分割。算法传统 算法在进行遥感图像分割时，不仅处理速度较慢且抗噪性能较差。因此，采用融合空间信息的模糊均值聚类（）算法改善 算法的抗噪性。空间邻域表达式为 （）式中：为 的邻域像素集；为 中邻域像素个数；为控制领域项作用于分割结果的权重参数。空间函数 表示邻域像素 属于聚类中心的概率，其表达式为 （）式中，为邻域像素 的隶属度值。计算过程中模糊隶属度更新公式为 ()（）算法目标函数表达式为 （）与 算法相比，算法在每一次迭代过程中计算模糊隶属度时，可以通过引入领域像素点相对于聚类中心的隶属度信息来降低单一噪点对聚类结果的影响。改进 算法模糊均值聚类算法中像素与聚类中心的灰度距离会对聚类结果产生影响。为了加快算法收敛速度，采用像素特征值平方差方式定义像素 与聚类中心 之间的特征距离，其表达式为 （）采用式（）计算模糊隶属度时，经过一次迭代产生的变化要大于 算法，从而加快了迭代速度，提高了算法效率。此时目标函数表达式为第 期陈幸，等：基于改进模糊均值聚类算法的遥感图像分割技术 （）目标函数 取得最小值的必要条件为 ()()（）()（）槡（）目标函数通过重新定义后的特征距离加快迭代速度。同时领域空间信息的引入降低了算法受噪声的影响程度，提高了算法的分割效果与效率。当待处理图像中存在噪声或灰度不均匀现象时，噪声点与目标聚类中心之间的特征距离较大，若不对其进行处理，噪声点则会被归类于其他聚类中心。因此，在 算法基础上引入了一种新的空间函数，其表达式为 （）得到隶属度函数更新公式，即 ()（）图 为邻域像素示意图。当 和 差异较大时，被视为噪声点。因为 与 之间灰度值相似，所以初始阶段 较小，较大。由式（）得到的 取值较大，将 代入式（）即可得到更新后的模糊隶属度 ，该值计入了像素点的空间信息。因此，对于像素点 而言，其模糊隶属度和邻域像素 有关。和聚类中心 的模糊隶属度值大于采用式（）计算所得到的数值，从而使得噪声点可以被正确聚类，进而消除噪声对图像分割结果的影响。改进模糊均值聚类算法流程如图 所示。图 邻域像素示意图 实验分析采用大小为 样本图像对算法进行验证，将实验采用的遥感图像样本中的地貌类型图 改进模糊均值聚类算法流程 按植被、居住区、裸露土地、水域和道路分为 种，故设置聚类个数为 。模糊隶属度权重系数 对分类结果有较大影响，合适的 值具有抑制噪声、平滑隶属度函数等作用，但目前该值选择缺乏理论依据，本文依据经验设定模糊隶属度权重系数 为 。选择领域像素权重参数 时，可先利用标准 算法对图像进行分割得到划分矩阵和目标函数值 ，再由式（）计算该划分矩阵对应的函数值，即 （）（）然后计算权重系数，即 （）迭代终止条件阈值 ，最大迭代次数为 次。样本图像分割结果如图 所示。由图 可知，算法对处于植被中间的部分居民区的分割准确度较低，且对裸露土地和水域识别度较差且抗噪性能较低。为了定量说明不同算法的分割效果，采用逐像素点比较方式对分割结果图像和原始图像进行比较，选取不同分类准确率的平均值作为该算法的准确率，其计算公式为 ()（）式中：为原始图像第 类所有像素点个数；为分类结果图像第 类所有像素点个数。沈阳工业大学学报第 卷图 样本 遥感图像分割结果对比 图 样本 遥感图像分割结果对比 图 样本 遥感图像分割结果对比 图 为不同算法的准确率比较结果。按照图像分割准确率参数对采用不同算法的遥感图像分割结果进行比较后可知，改进 算法图像分割平均准确率约为 ；算法图像分割平均准确率约为 ；算法图像分割平均准确率约为 。本文提出的改进 算法图像分割平均准确率分别比 算法和传统 算法高约 和 。针对不同样本，比较了不同算法的迭代次数、处理距离近点时间等参数，结果如图 和图 所示。由图 和图 可知，算法在处理图像时，其迭代次数要远大于 算法和改进 算法，导致其运行时间也大于其他两种算法。算法平均迭代次数约为 次，约为图 不同算法图像分割准确率比较 算法的 倍，约为改进 算法的 倍。本文提出的改进 算法平均运行时间为 ，第 期陈幸，等：基于改进模糊均值聚类算法的遥感图像分割技术约为 图像处理算法的 倍，约为 图像处理算法的 倍。可见，改进 算法明显提高了遥感图像的分割速度。图 不同算法迭代次数比较 图 不同算法迭代时间比较 结论本文研究了基于改进模糊均值聚类算法在遥感图像分割中的应用效果，得到如下主要结论：）改进 算法利用领域像素点的隶属度信息降低了噪点对聚类结果的影响，并通过特征值平方差定义特征距离，扩大了隶属度的变化幅度，加快了迭代速度。）改进 算法处理单张图像时间约为 算法的 倍，约为 图像处理算法的 倍，因而具有明显速度优势。）改进模糊均值聚类算法图像分割准确率约为 ，明显高于 算法和传统 算法。参考文献（）：徐天福，罗庆 基于 解耦变换的智能电网状态估计算法 沈阳工业大学学报，（）：（，（）：）王宇，王宝山，王田，等 面向遥感图像水域分割的图像熵主动轮廓模型 光学精密工程，（）：（，（）：）王玉，李玉，赵泉华 基于区域的多尺度全色遥感图像分割 控制与决策，（）：（，（）：）韦兴旺，张雪锋，薛云 基于光谱和形状的遥感图像分割质量评估方法 地球信息科学学报，（）：（，（）：）林文杰，李玉，赵泉华 结合 划分和 算法的高分辨率遥感图像分割 测绘学报，（）：（，（）：）韦春桃，赵平，肖博林，等 结合双树复小波纹理特征和 模型的遥感图像分割 测绘通报，（）：（，（）：）许癑，冯梦如，皮家甜，等 基于深度学习模型的遥感图像分割方法 计算机应用，（）：（，（）：）张晓磊，潘卫军，陈佳炀，等 基于均值漂移与空间信息的导向模糊 均值遥感图像分割算法 计算机测量与控制，（）：（，（）：）姜文斌，刘丽萍，孙学宏 基于自适应权重法的 模型对遥感图像分割 计算机应用与软件，（）：（，（）：）（责任编辑：尹淑英英文审校：尹淑英）沈阳工业大学学报第 卷