利用秩二非负矩阵分解对高光谱图像进行层次聚类
计算机视觉与模式识别
2015-02-18 v4 信息检索
最优化与控制
摘要
在本文中，我们设计了一种针对高分辨率高光谱图像的层次聚类算法。该算法的核心是一种新的秩二非负矩阵分解（NMF）算法，用于分裂聚类，其灵感来源于凸几何概念。该方法从包含所有像素的单个聚类开始，在每一步中：(i) 选择一个聚类，使得下一步的误差最小化；(ii) 使用秩二 NMF 将所选聚类分裂为两个不相交的聚类，以确保聚类具有良好的平衡性和稳定性。所提出的方法也可用于存在纯像素情况下的端元提取算法。该方法的有效性在若干合成和真实世界的高光谱图像上得到了验证，并显示出优于 k-means、球形 k-means 和标准 NMF 等标准聚类技术的性能。
引用
@article{arxiv.1310.7441,
title = {Hierarchical Clustering of Hyperspectral Images using Rank-Two Nonnegative Matrix Factorization},
author = {Nicolas Gillis and Da Kuang and Haesun Park},
journal= {arXiv preprint arXiv:1310.7441},
year = {2015}
}
备注
29 pages, 19 figures. New experiment on Terrain data set. Accepted in IEEE Trans. Geosci. Remote Sens