1. 一种卫星云图的二次聚类分割方法,其特征在于包括以下步骤: ① 对卫星云图进行分块处理,将卫星云图分为LXL共L2块大小相等的子区域云图,其 中 2 < L < 10 ; ② 对各个子区域云图进行初次聚类分割: ②-1将子区域云图中每个像素点作为输入样本点,提取每个子区域云图中所有样本 点在多个通道云图中相应区域内对应点的邻域灰度均值,该邻域灰度均值作为相应样本点 的光谱特征,其中多个通道云图的分辨率一致; ②-2将每个子区域云图中的某个像素点看做中心生成滑动窗口,将此滑动窗口看做 一张子图,计算该滑动窗口内所含的所有像素点的三模块局部二元模式码值,并基于三模 块局部二元模式码值构建得到该滑动窗口的三模块局部二元模式码图,统计该滑动窗口的 三模块局部二元模式码图的一阶直方图并计算其熵、均值、一致性和三阶距,得到子区域云 图中该像素点的二次统计量纹理特征;以上述方法得到每个子区域云图中所有的像素点的 二次统计量纹理特征; ②_3米用最大最小距尚法自适应确定初始聚类中心及其个数; ② -4将步骤②-1和步骤②-2中每块子区域云图中提取的每个像素点的两个纹理特 征和一个灰度均值特征构成的特征矩阵作为输入样本和初始聚类中心通过非线性映射函 数映射到高维特征空间,在高维空间中对卫星云图中所有样本点进行模糊核聚类,得到每 块子区域云图的初次聚类分割结果; ③ 对各个子区域云图进行二次聚类分割: ③-1将初次聚类结果中每个类作为输入样本点,提取该输入样本点的类内灰度均值 特征; ③-2提取初次聚类分割结果的类内多样性指数特征; ③-3将初次聚类分割结果的类内灰度特征和多样性指数特征作为样本点的二维特 征,构成特征矩阵作为二次聚类分割的输入样本,采用最大最小距离法自适应确定最终聚 类中心个数; ③-4将二次聚类分割算法的样本点通过非线性映射函数映射到高维特征空间,在高 维空间中对所有样本点进行模糊核聚类,最终得到整张卫星云图的二次聚类分割结果; 步骤②-2中得到每个子区域云图的二次统计量纹理特征的具体步骤为: a、 选取子区域云图中的任一像素点0,以该像素点为中心生成(2M+1) X (2M+1)的滑动 窗口,此时,将此滑动窗口看做一张子图,在子图中任选一个像素点P,以该像素点P为中心 生成大小为3X3的邻域模块,记为C p,同时在以该模块Cp为中心,半径为r圆周上额外生 成s个与该模块Cp大小相同且均勾分布的模块,s个模块分别记为C (^C1,......Cj......Cs p 其中4
2, j =0,1,……,s_l,F表示卫星云图的分辨 率; b、 在s个模块中选取Cj和C ,两个模块,其中j ' = (j+a) mod (s),a为整数且 2彡a彡s-1,mod表示取两者相除后的余数; c、 计算Cp、C jP C 的局部二元模式码值,分别记为LBP (Cp)、LBP (Cj)和LBP (Cj.); d、 利用公式 Φ (h,q) = LBP (h)-LBP (q)计算 LBP (Cj)和 LBP (Cr)与 LBP (Cp)的差值,