遥感技术是近年发展最迅速、应用范围最广泛的科学技术之一。获取、传输遥感图像,并从遥感图像中提取信息并应用是遥感的主要研究方面。但遥感图像在获取传输的过程中,由于受到外界干扰因素的影响,产生噪声在所难免。当使用遥感图像进行图像分类并获取图像信息时,这些噪声会对图像分类的效果产生不定程度的影响。模糊C均值聚类是一种在遥感图像分类中广泛使用的分类方法,其特点在于其聚类所得结果具有不确定性,即其只提供隶属度矩阵作为聚类结果。这种隶属度矩阵是图像各像元对各分类的隶属概率,如果要得到各个像元的确切类别划分情况,需要对隶属度矩阵进行处理,即聚类后处理。本文从模糊C均值聚类后处理方法出发,研究了模糊C均值聚类后处理方法与图像降噪方法的结合,改进了聚类后处理方法,使得经过改进的后处理方法处理所得分类图像质量有了明显的提高。主要研究成果如下:(1)对于模糊C均值聚类及其后处理方法进行了深入的研究,并在探究隶属度矩阵相关特性的基础上,提出一种将隶属度矩阵转化为各个分类隶属度图像,并在各分类隶属度图像上进行图像处理,最后再合成新的隶属度矩阵的思想。这一思想指导了本文后续3种改进后处理方法的提出。(2)在传统的最大隶属度方法的基础上,提出了3种具有抗噪性能的后处理方法,大量测试证明,这3种方法处理后的分类图像噪声得到抑制,分类精度和信噪比有不同程度的提高,精度的提高根据图像的类型不同有3%-20%不等。本文提出的3种后处理方法分别是中值滤波后处理方法、维纳滤波后处理方法和混合滤波后处理方法。另外,研究对于一种邻域加权隶属度和的后处理方法进行了改进,使其处理灵活性得到了提高。(3)对包括最大隶属度方法在内的5种后处理方法,在5类不同的遥感图像中进行了测试与对比。然后通过分析这5种方法对于5类不同遥感图像的适用程度,提供了关于各类遥感图像在聚类后处理环节使用何种后处理方法的建议。