CAJ | 학술논문

可能性C-均值(PCM)聚类算法提高了数据聚类的抗噪性能,但由于这种算法没有考虑数据的空间依赖特性,应用于合成孔径雷达(SAR)图像分割时,受SAR图像中斑点噪声的影响,通常不能得到正确的分割结果.该文在PCM目标函数中引入空间相对位置信息和多尺度空间像素强度信息,这些空间信息取值由前次迭代优化的聚类结果确定,空间信息影响程度(影响因子)由免疫克隆算法(ICA)优化,实现了空间信息影响因子的自适应调整,优化了PCM聚类结果.实验将这种算法应用于人工合成图像和实际SAR图像的分割,结果表明该文所提出的算法对初始分割不敏感,具有强的抗噪性能,改善了SAR图像的分割效果.
가능성C-균치(PCM)취류산법제고료수거취류적항조성능,단유우저충산법몰유고필수거적공간의뢰특성,응용우합성공경뢰체(SAR)도상분할시,수SAR도상중반점조성적영향,통상불능득도정학적분할결과.해문재PCM목표함수중인입공간상대위치신식화다척도공간상소강도신식,저사공간신식취치유전차질대우화적취류결과학정,공간신식영향정도(영향인자)유면역극륭산법(ICA)우화,실현료공간신식영향인자적자괄응조정,우화료PCM취류결과.실험장저충산법응용우인공합성도상화실제SAR도상적분할,결과표명해문소제출적산법대초시분할불민감,구유강적항조성능,개선료SAR도상적분할효과.