資料介紹
針對(duì)無(wú)人機(jī)獲取的高分辨率遙感圖像分類需求,提出一種K-means聚類引導(dǎo)的閾值分類方法)。首先計(jì)算出無(wú)人機(jī)遙感圖像數(shù)據(jù)集的Average Silhouette值,作為 K-means的最優(yōu)聚類數(shù)目' 然后對(duì)原始圖像進(jìn)行K-means聚類初分割!對(duì)初分割結(jié)果中的非目標(biāo)區(qū)域進(jìn)行手工剔除' 再對(duì)處理之后的新對(duì)象進(jìn)行閾值分割和圖像優(yōu)化!完成對(duì)象的提取' 最后對(duì)所有處理得到的地物標(biāo)簽進(jìn)行合并!實(shí)現(xiàn)遙感圖像的識(shí)別與分類)。基于 MATLAB/GUI平臺(tái)!對(duì)提出的分類方法處理步驟進(jìn)行集成!開(kāi)發(fā)了無(wú)人機(jī)遙感圖像分類處理系統(tǒng),可對(duì)無(wú)人機(jī)遙感圖像進(jìn)行快速處理!實(shí)現(xiàn)半自動(dòng)解譯, 對(duì)分類結(jié)果進(jìn)行精度驗(yàn)證,其總體精度為91.09%,Kappa系數(shù)為0.88,表明該方法用于無(wú)人機(jī)遙感圖像分類處理!能夠?qū)崿F(xiàn)地物的精確分類與信息提取.