基于PCM改进算法的遥感混合像元模拟分析

被引：9

作者：

霍东民

刘高焕

骆剑承

机构：

[1] 武汉大学遥感信息工程学院

[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

[3] 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湖北武汉

[4] 北京

[5] 北京

来源：

遥感学报 | 2005年 / 02期

关键词：

模糊c-均值(FCM); 可能性c-均值(PCM); 未训练类别;

D O I：

暂无

中图分类号：

TP751 [图像处理方法];

学科分类号：

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。

引用

页码：131 / 137

页数：7