本次实验在参考了上述第5种初始类别中心选定方法后，得出最大最小选心法（也可以把第5中算法叫做最大最小选心法）。方法5中初始第一个类别中心点时选择总的均值，这样不能使后面的点之间的距离足够大，因此，在选择第一个类别中心点的时候，将图像先进行分块，去第一块的第一个点作为第一个类别中心，在确定其余的类别中心点的时候用最大最小距离法确定，这样可以保证每个类别中心间的距离足够远，使分类效果可以更好。具体实现参见后面章节。  
本次毕业设计工作计划安排如下：
1）了解高光谱遥感图像，包括遥感图像的成像原理，存储方式等等。
2）了解高光谱遥感图像的分类方法，选择算法。本次实验采用K均值分类算法。
3）学习K均值分类算法，掌握其分类原理和方法。
4）学习C++语言。
5）学习Visual Studio 2008的使用。
6）最后完成软件的设计。
本次实验的目的是能实现对高光谱遥感图像进行分类，就是将高光谱遥感图像中的每个像素进行归类，把属于同一类的像素归为一类，并用相同的灰度值显示在分类图像中。
为了判断分类结果的正确性，在进行分类之前选择了三个波段的原始图像进行假彩色合成，假彩色合成图像中每个像元都是彩色中，同一类的像元都有相同的颜色，比如说植物显示在假彩色合成图像中是绿色的。假彩色图像有较好的视觉效果，能较容易的辨别出不同的类别[10]。把分类完成的分类图和假彩色合成的图像进行比较，基本上一致，就认为分类结果是正确的。
本次编程采用VC++的MFC模版，与Windows Forms应用程序相比，MFC应用程序相对来说属于编码密集型程序，原因是前者的创建过程使用了Visual C++ 2005中的高级设计功能，可以以图形方式组装应用程序的整个图像用户界面(GUI)，并使用所有代码自动生成[3]。
在毕业设计的课题选定后，由于这个内容对我来说是一个从来都没接触过的东西，因此一连串的问题随之而来。首先我都不知道怎么样去找参考文献。在师兄们的帮助下，列出了设计规划，跟着设计规划一条一条的查找参考文献，在对高光谱遥感图像和K均值算法有了一定得了解之后，接下来就是对K均值算法进行编程实现的过程了。
高光谱遥感图像的数据量非常的大，因此，高光谱遥感图像的显示是一个难点。在师兄的指导下，经过将近两个月才完成了显示这块的编程，之后的K均值算法编程就相对简单了很多，只要将一些公式写成代码就好了。
 

目录
摘要 II
Abstract III
1  前言 1
1.1 课题背景及其意义 1
1.2 高光谱遥感技术的发展 1
1.3 高光谱图像的特点 2
1.4 分类算法选择 2
1.5 设计规划 4
2 高光谱遥感图像的预处理 5
2.1 概述 5
2.2 遥感图像的辐射校正 5
2.3 遥感图像的几何校正 6
2.4 遥感图像辐值匹配法 7
3 高光谱遥感图像格式 8
3.1 概述 8
3.2 BIP2----按像元波段交叉式 8
3.3 BIL-----按波段行交叉式 8
3.4 BSQ----按波段顺序式 9
4 高光谱遥感图像的分类算法 11
4.1 概述 11
4.2 监督分类 11
4.3 监督分类的优缺点 13
4.4 非监督分类 14
4.5 非监督分类的优缺点 17
5 K均值算法实现遥感图像分类 18
5.1 概述 18
5.2 优化的K均值算法 18
5.3 K均值算法实现分类的流程图 22
6 实验效果与结果分析 23
6.1 试验效果 23
6.2 结果分析 24
6.3 小节 27
7 总   结 29
致   谢 30
参考文献 31
 


本电子电气通信自动化毕业设计“K均值算法在高光谱遥感图像分类中的应用”论文由清风毕业设计网[www.lunwen550.com]征集整理！