基于图卷积网络的对比多视图子空间高光谱图像聚类
计算机视觉与模式识别
2023-12-12 v1 人工智能
摘要
高维且复杂的光谱结构使得高光谱图像（HSI）聚类成为一项具有挑战性的任务。子空间聚类是解决该问题的有效方法。然而，当前的子空间聚类算法主要针对单视图设计，并未充分利用HSI中的空间或纹理特征信息。在本研究中，基于图卷积网络提出了对比多视图子空间聚类HSI。像素邻域纹理和空间-光谱信息被送入构建两个图卷积子空间以学习它们的亲和矩阵。为了最大化不同视图之间的交互，引入了对比学习算法以促进正样本的一致性并帮助模型提取鲁棒特征。使用基于注意力的融合模块自适应地整合这些亲和矩阵，构建更具判别性的亲和矩阵。使用四个流行的HSI数据集评估模型：Indian Pines、Pavia University、Houston和Xu Zhou。总体精度分别达到97.61%、96.69%、87.21%和97.65%，显著优于最先进的聚类方法。总之，所提模型有效提高了HSI的聚类精度。
引用
@article{arxiv.2312.06068,
title = {Contrastive Multi-view Subspace Clustering of Hyperspectral Images based on Graph Convolutional Networks},
author = {Renxiang Guan and Zihao Li and Xianju Li and Chang Tang and Ruyi Feng},
journal= {arXiv preprint arXiv:2312.06068},
year = {2023}
}