K均值分类做多光谱图像分割matlab版本

最新推荐文章于 2024-08-01 10:19:44 发布

青鸟绝迹

最新推荐文章于 2024-08-01 10:19:44 发布

阅读量3.9k

点赞数 8

文章标签： K均值多光谱图像分割聚类

本文链接：https://blog.csdn.net/ma7856728/article/details/84891530

版权

博客介绍了使用K均值算法进行多光谱图像分割的方法，强调了算法对跳出条件和分类起点的敏感性，并分享了MATLAB自编和自带库函数的两种实现方式。博主提供了SPOT5卫星图像作为示例，图像被分为4类，并鼓励读者调整参数尝试。

摘要由CSDN通过智能技术生成

K均值分类算法已经比较常见了，但还是值得学习一下，毕竟这个算法的框架很好，在此基础上可以更新一下。网上有很多的讲解和程序，我也看了一下毕竟自己做了，还是想和大家分享一下代码，在这里还是献丑了

matlab有自带的库函数，但我也编写了两个，他们跳出条件不同，开始是对于matlab不等于的判定条件不太确定，又写了一个比较简单的误差平方和的判断条件，个人认为这种迭代的算法对跳出条件还是很敏感的。需要注意的是这种算法比较依赖分类的起始点和分类数量。我在程序中都留出来了，大家可以试一试。

图像来源于SPOT5，四个谱段，我只分成了4类。所有的参数大家可以调一调试一试。

主函数

clc
clear
close all
I = imread('SPOT5多光谱.tif'); 
[M,N,L] = size(I);
%构造样本空间
A = reshape(I(:, :, 1), M*N, 1);    % 将RGB分量各转为kmeans使用的数据格式n行，一样一样本
B = reshape(I(:, :, 2), M*N, 1);
C = reshape(I(:, :, 3), M*N, 1);
D = reshape(I(:, :, 4), M*N, 1);
K = 4;
dat = [A B C D];  % 四个分量组成样本的特征，每个样本有4个属性值，共width*height个样本

c2 = KMeans2(double(dat), K);    % 使用聚类算法分为K类
r2 = reshape(c2, M, N);     % 反向转化为图片形式
figure, imshow(label2rgb(r2))   % 显示分割结果
title('自己编写的算法,误差用不等于条件')