文件編號：B152

文件大?。?/strong>2.7M

開發(fā)環(huán)境：Matlab2020

猿創(chuàng)承諾：該項(xiàng)目親測正常運(yùn)行，需遠(yuǎn)程調(diào)試部署需另外收費(fèi)，確保正常使用，不能正常使用全額退款。

簡要概述：Matlab實(shí)現(xiàn)遙感圖像分割

一． 實(shí)驗(yàn)?zāi)康?br/>

根據(jù)同一地區(qū)的7個波段遙感圖像，利用圖像處理分割方法對該區(qū)域進(jìn)行無監(jiān)督分類，在本實(shí)驗(yàn)中分為三類：水域，居民區(qū)和其他，以便于后續(xù)分析和處理。

二．試驗(yàn)方法

在本實(shí)驗(yàn)中用到的核心方法是K-mean方法。

（1）k-means算法的思想為同一聚類中的對象相似度較高；而不同聚類中的對象相似度較小。聚類相似度是利用各聚類中對象的均值與像素之間的距離來進(jìn)行計(jì)算的。首先從n個數(shù)據(jù)對象任意選擇 k 個對象作為初始聚類中心；而對于所剩下其它對象，則根據(jù)它們與這些聚類中心的相似度（距離），分別將它們分配給與其最相似的（聚類中心所代表的）聚類；然后再計(jì)算每個所獲新聚類的聚類中心（該聚類中所有對象的均值）；不斷重復(fù)這一過程直到標(biāo)準(zhǔn)測度函數(shù)開始收斂為止。

具體流程：

-對7個波段圖像分別選取3個初始中心點(diǎn)，N1,N2,N3他們分別為7元素?cái)?shù)組，代表七個波段。

-對于I（i,:,:）分別與N1,N2,N3比較，假定與N1差值最少，就標(biāo)記為T(1)，i表示波段;

-對于所有標(biāo)記為T(1)點(diǎn)，重新計(jì)算分類中心店N1={ 所有標(biāo)記為T1的I(i,:,:)之和}/標(biāo)記為T(1)的個數(shù)

-重復(fù)上述步驟,直到所有N值的變化小于給定閾值，設(shè)置為0.00001。

按需寫作：

演示視頻：

點(diǎn)擊查看：系統(tǒng)演示視頻

運(yùn)行效果：

遠(yuǎn)程協(xié)助：

溫馨提示：索煒達(dá).猿創(chuàng)官方提供收費(fèi)遠(yuǎn)程協(xié)助，確保您項(xiàng)目運(yùn)行成功。

點(diǎn)擊查看：遠(yuǎn)程協(xié)助相關(guān)事項(xiàng)

我們提供完整項(xiàng)目文件清單如下：

文件目錄

 ├ 1.項(xiàng)目源碼

 ├ 2.運(yùn)行截圖

 └ 3.演示視頻