1.一种基于空间引力模型的模糊C均值遥感影像自动分类方法，其特征在于包含以下步骤：步骤1：获取待分类的遥感数字影像，根据图像尺寸和波段数获取遥感数字影像的像元个数，根据实际分类需要确定遥感数字影像的聚类类别个数c和模糊指数m，并利用标准的FCM模型对遥感数字影像进行聚类得到初始化模糊隶属度矩阵U0＝{uki}c×N和聚类中心V0＝{vk}c，N为待分类遥感数字影像的像元个数，uki表示待分类遥感数字影像中第i的像元属于第k类的隶属度，kv为待分类遥感数字影像第k类的中心点；

步骤2：设定邻域窗口大小，根据设定的邻域窗口大小确定遥感数字影像中将遥感数字影像中每个像元作为中心像元的邻域窗口内的像元，通过公式 计算遥感数字影像中每个像元和其所属邻域窗口内其它像元之间的空间引力NAij，其中，G为常数，用来表示调节空间约束对聚类目标函数的贡献，设G＝1，uki表示第i个像元xi属于第k个类别的隶属度，ukj表示像元xi的邻域窗口内的第j个元xj属于第k个类别的隶属度，Rij表示像元xi与像元xj之间的欧式空间距离；

步骤3：利用遥感数字影像中每个像元与其所属邻域窗口内的其它像元之间的空间引力NAij，通过公式 得到遥感数字影像中像元之间的空间约束惩罚因子wij，

其中，wij表示邻域窗口内的第j个像元xj对中心像元xi的影响权重，Ni表示中心像元xi的邻域窗口内的像元，NAij为步骤2中计算得到的图像中每个像元xi与将像元xi作为中心像元的邻域窗口内的其余像元xj之间的空间引力，|xi-xj|表示像元xi与将像元xi作为中心像元的邻域窗口内的像元xj之间的灰度值之差；

步骤4：通过公式 得到模糊因子

步骤5：通过公式 将模糊因子 加入到标准FCM模型，

得到聚类目标函数

其中，N为待分类遥感数字影像的像元个数，c为分类遥感数字影像的聚类个数，ukim表示待分类遥感数字影像中第i的像元属于第k类的隶属度，m为待分类遥感数字影像的模糊指数，xi表示待分类遥感数字影像的第i个像元，vk为待分类遥感数字影像第k类的中心点；

结合步骤1中得到的初始模糊矩阵U0和聚类中心V0，利用公式 计算待分类遥感影像新的聚类中心 计为 表示当前得到的新的聚类中心；

再利用公式 计算待分类遥感影像新的隶属度矩阵 计为

表示当前得到的新的模糊矩阵；此时 为初始的聚类中心V0获得，表示 前一次得到的聚类中心； 为初始的模糊矩阵U0获得，表示 前一次得到的模糊矩阵；

步骤6：判断聚类中心 是否继续变化或运算达到最大迭代次数，设定迭代停止阈值ε＝1e-5为一小正数，将待分类遥感数字影像求得的第t个聚类中心 与第t-1个聚类中心进行比较，若满足 或b＞T两者之一的条件，则迭代结束，所述b初始值为0，T为100，否则，设定b＝b+1，用当前得到的模糊矩阵 和聚类中心 分别替代初始模糊矩阵U0和聚类中心V0，并设定为 和 返回到步骤2，重复执行步骤2～步骤6，直至满足 或b＞T两者之一的条件；

步骤7：利用最终得到的模糊隶属度矩阵U＝{uki}c×N，根据如下公式确定每个像元xi所属类别，即对于每个像元xi，其所属类别ci为隶属度uki中最大的那个类别；

Ci＝argk{max(uki)},k＝1,2,3,…,c

步骤8：根据每个像元xi所属类别ci将不同的聚类类别赋予不同的颜色，形成遥感影像分类专题图，从而实现遥感数字影像的自动分类。