一种利用K均值和SOM进行遥感图像分类的方法

张涛

（武汉大学遥感信息工程学院，湖北武汉 430079）

一种利用K均值和SOM进行遥感图像分类的方法

张涛

（武汉大学遥感信息工程学院，湖北武汉 430079）

探讨了一种将K均值算法和SOM神经网络算法相结合的方法，并将其应用于多光谱遥感图像分类，通过与K均值算法、ISODATA算法和SOM算法的对比实验，验证了该方法的有效性。

遥感图像分类；神经网络；自组织映射；K均值算法

遥感技术已经广泛应用于很多领域，遥感影像分类是遥感技术应用的关键问题。传统的遥感图像非监督分类方法过于依赖图像数据的分布，人工神经网络不基于数据分布的特性，作为一种智能信息处理的重要方法，为实现图像自动分类创造了条件[1]。具有非监督学习能力的自组织映射网络，结构简单、易于实现，应用于数据分类时能够取得较好的效果。在SOM的众多分类改进算法中，通常是对其自身网络参数如初始化权值进行改进[1,2]，或将 SOM 与常规的聚类算法相结合[3,4]。其中，将SOM和K均值进行结合可以有两种策略：一种是用SOM对K均值算法进行改进，即用SOM神经网络改进K均值聚类算法的初始化中心和确定聚类中心数目，并已应用于图像分割[5]、文档聚类[6]、客户分类[7]和声波数据分割[8]等领域；另一种是用K均值改进SOM算法，即先进行K均值聚类，然后再进行SOM聚类。该方法已被应用于遥感图像分类。Su和Chang用K均值算法改进SOM网络的初始权向量，即用K均值算法找到的N×N个聚类中心作为SOM网络的初始化权值，但是遥感图像的分类数目不一定能满足N×N的条件[9]。……