-
题名基于邻域信息的SAR图像变化检测
被引量：4
- 1
-
-
作者
袁晓谦
陈超
田姗
-
机构
成都信息工程大学通信工程学院
-
出处
《激光杂志》
北大核心
2021年第1期118-123,共6页
-
基金
四川省科技计划项目(No.18ZDYF3278)。
-
文摘
为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。
-
关键词
SAR图像变化检测
邻域加权距离
模糊C均值聚类
邻域信息
-
Keywords
SAR image change detection
neighborhood weighted distance
fuzzy C-means clustering
neighborhood information
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名K-means聚类中心的鲁棒优化算法
被引量：7
- 2
-
-
作者
罗倩
-
机构
北京信息科技大学信息与通信工程学院
-
出处
《计算机工程与设计》
北大核心
2015年第9期2395-2400,共6页
-
基金
国家自然科学基金项目(61271198)
-
文摘
针对K-means算法对随机选择的初始聚类中心敏感且聚类结果不稳定、准确率不高的问题,提出一种基于邻域数据距离加权的聚类中心鲁棒优化算法。通过建立数据密度约束将聚类中心优化在数据密集区域,有效克服K-means算法聚类结果稳定性差等问题。通过对仿真数据和标准数据集的实验,验证了采用该算法收敛的聚类中心非常接近标准数据集的实际中心,具有较优的聚类准确性、鲁棒性和收敛速度。
-
关键词
K-MEANS聚类算法
初始聚类中心
邻域距离加权
聚类优化
鲁棒算法
-
Keywords
K-means clustering algorithm
initial clustering centers
weighted neighborhood distance
clustering optimization
robust algorithm
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
