并行的中心點(diǎn)優(yōu)化選取遙感影像聚類算法

潘 欣，孫宏彬

(長春工程學(xué)院計(jì)算機(jī)技術(shù)與工程學(xué)院，長春130022)

并行的中心點(diǎn)優(yōu)化選取遙感影像聚類算法

潘 欣，孫宏彬

(長春工程學(xué)院計(jì)算機(jī)技術(shù)與工程學(xué)院，長春130022)

為了解決遙感影像聚類個(gè)數(shù)及中心點(diǎn)選取的問題，提出了一種并行的中心矢量優(yōu)化選取的遙感影像聚類算法(PCVOS:Parallelized Center Vector Optimized Selection Algorithm for Remote Sensing Image Cluster)。該算法引入模糊評價(jià)目標(biāo)函數(shù)并給出了一種染色體評價(jià)機(jī)制，提高聚類染色體在類目、空間劃分的多樣性;同時(shí)引入MPI(Massage Passing Interface)多進(jìn)程并行技術(shù)，加快了算法運(yùn)行速度。實(shí)驗(yàn)結(jié)果表明，相對于傳統(tǒng)的K-Means、ISODATA(Iterative Self Organizing Data Analysis Techniques Algorithm)和ACDE(Automatic Clustering Differential Evolution)算法，PCVOS不但可以獲得更好的聚類效果，而且可以充分利用并行資源加快算法運(yùn)行速度。

聚類;遙感影像;聚類個(gè)數(shù);并行計(jì)算;優(yōu)化選擇

0 引 言

遙感影像的聚類是一種根據(jù)影像光譜分布情況及像元點(diǎn)群特征，對影像進(jìn)行類目自動(dòng)劃分的方法。在不需要事先輸入樣本情況下僅需少量參數(shù)便可獲得分類結(jié)果，使該方法在遙感技術(shù)應(yīng)用領(lǐng)域發(fā)揮重要作用［1］。目前在遙感影像處理軟件中主要使用K均值算法(K-Means)和迭代自組織數(shù)據(jù)分析算法(ISODATA:Iterative Self Organizing Data Analysis Techniques Algorithm)進(jìn)行遙感的聚類分析。

為了改進(jìn)聚類質(zhì)量，很多學(xué)者提出了新的方法:文獻(xiàn)［2-4］引入模糊集理論改進(jìn)傳統(tǒng)算法應(yīng)對遙感影像中的不確定情況;文獻(xiàn)［5］提出了一種基于Markov模型關(guān)系的模糊影像聚類方法;文獻(xiàn)［6］針對SAR海冰影像多噪聲特點(diǎn)提出了一種模糊層次聚類方法;文獻(xiàn)［7］利用人工免疫技術(shù)引入?yún)?shù)提高了無監(jiān)督聚類質(zhì)量;文獻(xiàn)［8］使用通過遺傳算法改進(jìn)的模糊C均值聚類算法(FCM)算法進(jìn)行自動(dòng)影像聚類;文獻(xiàn)［9］通過元胞自動(dòng)機(jī)改進(jìn)并引入鄰域判斷改進(jìn)聚類質(zhì)量。……