白俊龙，王章琼，闫海涛

(1.武汉工程大学土木工程与建筑学院，武汉 430073；2.中交第二公路勘察设计研究院有限公司，武汉 430052)

0 引言

无人机遥感技术以其时效性强、机动灵活、获取成本较低等优势得以快速发展[1]，应用范围也日趋广泛，是传统遥感手段的有力补充[2-3]。近年来，为充分利用无人机遥感影像丰富的信息数据，避免“数据丰富，信息贫乏”[4-5]现象的出现，越来越多的研究者开始了高分辨率遥感图像的处理研究[6]。基于机器学习的图像分类方法是现阶段的研究热点与重点[7]，但此类方法通常需要提供大量的训练样本来保证后续的分类精度[8-9]，且目前各相关领域能够满足模型训练条件的训练样本数据十分稀少，导致该方法还难以用于实际工程应用。而无监督聚类方法不需要训练样本，仅凭地物地磁辐射强弱在遥感图像上所反映的光谱信息，即可将数据按其自然分布特性进行聚类，自动判别地物类别，并能克服人工解译所带来的主观性因素影响[10]。

K-means算法是聚类算法中最为流行的算法，具有思想简单、处理快速及效果好等优点。自1967年MacQueen[11]首次使用后，K-means算法在聚类算法中得到了广泛的应用。但在使用K-means算法时，其聚簇个数k需要事先确定，若k值选取不当会使最终的聚类结果陷入局部最优。而在实际操作中，往往因为数据量过大和缺乏经验导致k值很难确定；且该算法对初始值十分敏感[12]，若k值选取得过小，则会导致同一簇内数据对象差异很大，若k值选择过大，则会导致不同簇间差异很小[13]。……