A Novel Adaptive Fuzzy Local Information C -Means Clustering Algorithm for Remotely Sensed Imagery Classification

This paper presents a novel adaptive fuzzy local information c-means (ADFLICM) clustering approach for remotely sensed imagery classification by incorporating the local spatial and gray level information constraints. The ADFLICM approach can enhance the conventional fuzzy c-means algorithm by produc...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on geoscience and remote sensing Ročník 55; číslo 9; s. 5057 - 5068
Hlavní autoři:	Zhang, Hua, Wang, Qunming, Shi, Wenzhong, Hao, Ming
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.09.2017 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Blurring Classification Clustering Clustering algorithms fuzzy c-means (FCM) clustering Image classification Image edge detection Image processing Image segmentation Imagery Linear programming local measure similarity Nickel Noise measurement Noise reduction Pixels Remote sensing remotely sensed imagery Robustness Similarity Similarity measures spatial information Weighting
ISSN:	0196-2892, 1558-0644
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!