论文部分内容阅读
为解决经典聚类图像分割算法对聚类中心的依赖性和图像噪声的敏感性问题,提出了一种基于信息聚类的遥感图像分割方法.利用Gaussian分布建立同质区域内像素的概率分布,即假设每个同质区域内的像素都服从同一独立的Gaussian分布;结合Gaussian分布的特性建立像素对间灰度的联合分布.在此基础上,以互信息作为聚类算法的相似性测度,结合同质区域内以及同质区域间像素灰度的相似性建立目标函数,通过最大化求解上述目标函数,进而转化为迭代求解像素与同质区域的隶属度实现遥感图像分割.分别对模拟及真实遥感图像进行分割实验.结果表明:该方法不仅避免了聚类中心的选取,还降低了噪声敏感性,并且增强了图像分割的稳定性,从而验证了该方法的可行性及有效性.