光谱分类算法 matlab,Matlab K-means聚类算法对多光谱遥感图像进行分类（一）

Matlab K-means聚类算法对多光谱遥感图像进行分类

作者： 白艺亭

测试了下matlab自带kmeans函数，作者编写函数，以及ENVI下的Kmeans方法，对比其效果，代码及结果图展示见下。(K均值聚类的matlab代码，对其算法进行实现。)

1. K-Means无监督聚类算法：

ENVI中，在主菜单上，选择Classification>>Unsupervised>>K-Means,在Classification Input File中选择TM影像，单击OK。打开K-means Parameters对话框中，设置以下的参数：

1)分类数量(Number of Classes)：一般为最终输出分类数量的2-3倍。

2)变换阈值(Change Threshold):5。每当一类的变化像元数小于阈值时，结束迭代过程。这个值越小得到的结果越精确，运算量也越大。

3)最大迭代次数(Maximum Iterations)：30(我选的).迭代次数越大，精度越高。

4)距离类别的值的最大误差(Maximum Stdev From Mean)。此数可选。

5)允许的最大距离误差：(Maximum Distance Error);可选

6)选择路径，OK执行。

以上参考东腾的博客。

2. 自编matlab函数实现

2.1被调function

function [new_class_label] = Kmeans_of_muldim(data,k,change_threshold,iteration)

% 功能：实现多光谱遥感数据非监督分类算法之K-means聚类算法

%Author: Mr. BAI

% 输入：data是s*fl*b的矩阵，s为列数(sample)，fl为行数(fileline)，b为波段数(band)；

% k 为类别数,如果有背景值，背景值会归到某一地类中去，到时再用矢量边界图形裁剪一下即可。我考虑过将出现次数最多

% 的背景值单独划归一类，但是程序设计时不好判断，取数组中元素出现次数最多的像元为一类，有点大胆，因为无背

% 景的图像像元值也可能出现这种情况；

% change_threshold变化阈值