| 基于PCM改进算法的遥感混合像元模拟分析 |
| |
| 引用本文： | 霍东民,刘高焕,骆剑承.基于PCM改进算法的遥感混合像元模拟分析[J].遥感学报,2005,9(2):131-137. |
| |
| 作者姓名： | 霍东民 刘高焕 骆剑承 |
| |
| 作者单位： | 1. 武汉大学,遥感信息工程学院,湖北,武汉,430079
2. 中国科学院,地理科学与资源研究所资源与环境信息系统国家重点实验室,北京,100101 |
| |
| 基金项目： | 国家863海洋监测技术(2001AA633010)
国家自然科学基金(40101021) |
| |
| 摘 要： | 混合像元的存在是影响遥感图像分类精度的主要原因,模糊分类是进行混合像元分解的重要方法,其效果的好坏取决于各像元分类后对各类别的隶属度值能否准确地反映像元的类别组成。当非监督分类中的聚类数目与实际类别数目不符,或者监督分类中训练样本存在未训练类别时,常用的模糊c-均值(FCM)方法的效果将大大降低,而可能性c-均值(PCM)方法则可以解决这个问题。该文提出了基于PCM算法的遥感图像混合像元分解方法,并用监督分类方法实例说明PCM方法的优越性。
|
| 关 键 词： | 模糊c-均值(FCM) 可能性c-均值(PCM) 未训练类别 |
| 文章编号： | 1007-4619(2005)02-0131-07 |
| 修稿时间： | 2003年5月13日 |
Possibilistic c-Means Algorithm Improving the Pixel Unmixing of Remotely Sensed Image |
| |
| HUO Dong-min,LIU Gao-huan and LUO Jian-cheng.Possibilistic c-Means Algorithm Improving the Pixel Unmixing of Remotely Sensed Image[J].Journal of Remote Sensing,2005,9(2):131-137. |
| |
| Authors: | HUO Dong-min LIU Gao-huan and LUO Jian-cheng |
| |
| Abstract: | The existence of mixed pixels is the main factor influencing the classification accuracy of remotely sensed image. Fuzzy classification is an important method of unmixing the mixed pixels. Its results depend on how accurate the membership value to various types of each pixel after classification corresponds to its actual component. If the clustering number is not equal to the actual type number in the unsupervised classification, or there are some types untrained in the supervised classification, the accuracy of the popular algorithm, namely Fuzzy c-means (FCM) will be degraded. Fortunately, Possibilistic c-means (PCM) is insensitive to it and can work well. This paper proposes the pixel unmixing method of remotely sensed image based on PCM algorithm. The priority of the PCM is illustrated by an actual example in the supervised classification in this paper. |
| |
| Keywords: | fuzzy c-means (FCM) possibilistic c-means (PCM) untrained types |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《遥感学报》浏览原始摘要信息 |
| 点击此处可从《遥感学报》下载免费的PDF全文 |
