基于改进模糊ISODATA算法的遥感影像非监督聚类研究

F-ISODATA是一种有效的遥感图像非监督聚类算法。但是,最优迭代次数很难设定;一般遥感图像的数据量大,若迭代误差限取极小值,分类也很难实现。本文以某次迭代中"合并"和"分裂"都为零为求最优分类数的迭代条件,而不是预先设定迭代次数;取最大和最小隶属度取代每一个隶属度为比对特征值,提高了分类速度和精度;利用等效转换研究隶属度矩阵的迭代误差变化规律,得出变化速度趋于稳定时为求解最优隶属度矩阵的智能迭代控制,减少人为事先干预。最后,进行实验分析,结果显示整个改进的算法提高了分类的智能化,整体效果较好。