基于聚类改进的河流水体遥感图像处理算法

采用合适的图像分割技术及数据模型，是准确解译卫星遥感河流影像的关键环节。针对当前存在的技术问题，从提高遥感河流图像分割的准确性与抗噪性出发，提出了一种基于烟花优化K-Means聚类与学生t分布混合模型(Student′s t-distribution Mixture Model, TMM)的遥感图像分割新算法。该算法首先采用烟花算法(Fireworks Algorithm, FA)来求解K-Means聚类的初始聚类中心，提高了聚类效果，可获得遥感图像的初步分割结果。然后，以初步分割结果作为初始值，建立学生t分布混合模型(TMM),采用EM算法确定参数最终值，并借助Bayesian公式完成图像二次分割。最后进行了算例验证，验证结果显示新方法在分割精度和稳定性方面，都较现有算法表现更优，可更为有效地实现遥感河流影像的解译。