郭云开1，曾　繁2

(1. 长沙理工大学交通运输工程学院，湖南 长沙 410076； 2. 湖南交通职业技术学院

路桥工程学院，湖南 长沙 410132)

Remote Sensing Classification of Combined Enhanced Fuzzy Clustering Genetic

Algorithm with ISODATA Algorithm

GUO Yunkai，ZENG Fan



融合增强型模糊聚类遗传算法与ISODATA算法的遥感影像分类

郭云开1，曾繁2

(1. 长沙理工大学交通运输工程学院，湖南 长沙 410076； 2. 湖南交通职业技术学院

路桥工程学院，湖南 长沙 410132)

RemoteSensingClassificationofCombinedEnhancedFuzzyClusteringGenetic

AlgorithmwithISODATAAlgorithm

GUOYunkai，ZENGFan

摘要：针对ISODATA算法预设参数较多，其聚类中心与最优迭代数目很难预先准确设定，且在聚类时没有将影像自身特点充分考虑，对个体适应度函数重视不够的问题，本文提出一种融合增强型模糊聚类GA与ISODATA的聚类方法，对聚类原型矩阵进行编码，构造隶属度矩阵，解求个体适应度函数值，在影像特征空间中搜索得到样本全局收敛极值点。通过试验证明，该方法能避开随机初选值的敏感问题，避免聚类过程的随机性，使分类结果与实际情况更为接近，该算法精度优于传统的ISODATA算法与模糊聚类GA算法，提高了分类的精度，整体效果较好。

关键词：ISODATA；增强型模糊聚类GA；适应度函数；遥感影像分类

一、引言

聚类是把具有相似性质的事物区分开并加以分类[1-3]，所谓物以类聚。迭代自组织数据分析技术算法(iterativeself-organizingdataanalysistechniquesalgorithm，ISODATA)是人们熟悉的非监督聚类算法之一，可自动执行类别合并与分裂，是成批样本修正法[2]。但这种硬分类算法没有充分考虑图像本身的特点，最优迭代次数很难设定[3]。李前进等提出了基于直觉模糊的ISODATA算法[4]，改进了隶属度函数，提高了算法速度；沈照庆等[5]在模糊ISODATA算法的基础上改进了隶属度的计算公式，使算法在实际应用中更易实现。……