针对目前高分辨率遥感影像道路提取准确性不高的问题,提出一种基于改进最大期望(EM)聚类的遥感影像道路提取算法。首先通过形态学预处理来去除道路上的干扰信息,在此基础上通过改进EM聚类自动确定分割区域数目,完成影像分割,最后结合轮廓检测和灰度直方图阈值化完成遥感影像道路的提取。实验结果表明,所提算法能有效屏蔽道路上的噪声,提取出主干道路信息,该方法的准确率达到90%以上,冗余度较低。

针对高光谱图像异常目标检测中图像邻近像元光谱相似易对检测结果产生干扰的现象，将聚类算法引入到异常目标检测领域，提出一种采用主成分量化和密度估计期望最大聚类的高光谱图像异常目标检测算法.在高维空间中，使用期望最大聚类算法对像元光谱向量进行聚类，将邻近像元的空间相关性转化为类内或类间像元的关系，根据异常像元分布在类别边缘的原理，以类为单位检测异常目标，有效地避免异常点的信息被淹没；另外，针对期望最大聚类算法对初始化过程要求敏感的问题，提出了根据图像的第一主成分信息，分别利用向量量化和密度估计的方法对期望最大聚类算法进行初始化，进一步提高算法的检测效果和计算效率.用合成和真实的AVIRIS高光谱数据进行仿真实验，仿真结果表明使用基于主成分量化和密度估计期望最大聚类算法的高光谱图像异常目标检测算法明显优于传统的异常检测算法.