摘要
本申请属于图像分割与机器学习技术领域。本申请提供一种异常判别驱动投影模糊聚类的多光谱图像分割方法。本公开实施例多光谱图像分割模型中分别包含了异常判别投影模糊聚类项、熵正则化项与主成分分析项。异常判别投影模糊聚类项为每一个像元分配了相应的权重系数,降低了异常像元对图像分割精度的影响;熵正则化项作为模糊聚类项的补充,解决了模糊聚类求解过程中极易出现平凡解的问题,进一步提高了求解精度;主成分分析项获取数据的全局结构,并降低了图像中的噪声对算法精度的影响,解决了模糊聚类方法对噪声点敏感的问题。三者共同优化,有效提高了聚类算法分割图像的精度,实现了对多光谱遥感图像更为精准的感知与解译。
技术关键词
图像分割方法
图像分割模型
多光谱
矩阵
孤立森林算法
成分分析
图像分割精度
模糊聚类方法
机器学习技术
表达式
机制
噪声
样本
数据
重构
系统为您推荐了相关专利信息
反馈控制方法
成像检测装置
深度神经网络
形状特征参数
气泡
多轴传感器
数据
加速度
点击检测方法
生成反馈信号
减温水系统
预测控制方法
预测控制策略
粒子群寻优算法
极值
航空发动机
SVR模型
微型涡喷发动机
机器学习模型训练
特征值