MSCMO：基于数学形态学算子的尺度空间聚类方法.pdf

第卷第期遥感学报．．．年月．文章编号：％：基于数学形态学算子的尺度空间聚类方法汪闽周成虎裴韬骆剑承中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室北京摘要：提出了一种基于数学形态学算子的多尺度聚类方法：首先将数据进行二值图像化处理利用一次闭开运算去除噪声干扰后再利用逐步增大结构元素的闭运算构建尺度空间图像内的连通单元集随着尺度上升不断融合最终全部归并。将连通集覆盖下的点集归为一类以上步骤就对应了一个多尺度层次聚类过程。本算法的一个最大优点是聚类个数事先无需设定丽被确定为跨越最多尺度具有最长尺度生存期的类别个数。此外参数少、能够提取任意形状的类别、具有较强的抗噪声能力也是算法的优点。对自构建数据与地震数据的聚类实验验证了方法的有效性和实用性。关键词：数学形态学尺度空间聚类中图分类号：．文献标识码：特征。等人利用高斯卷积构造一幅尺度引言空间图像：聚类被广泛地应用于模式识别、数据分析、图像∞一“厂一处理等领域近年来它逐渐被看作是从空问数据库一‘／丁中发现知识的一种主要的挖掘方法⋯。针对空间数其中是信号．厂通过卷积变换后得到的尺度空间据往往呈现非球状聚集的特点面向此类数据的聚图像。参数对应着尺度的概念：随着的增大信类方法应该能够处理不规则的聚集形状。此外号．厂将逐步被平滑代表着其由精细尺度逐步变换聚类任务中确定