高光谱波段选择的最优聚类框架
图像与视频处理
2019-05-01 v1 机器学习
机器学习
摘要
波段选择通过在高光谱图像（HSI）中选取一组代表性波段，是一种在不损害原始内容的前提下减少冗余信息的有效方法。近来已提出多种无监督波段选择方法，但其中多数基于近似算法，仅能获得针对特定目标函数的次优解。本文关注基于聚类的波段选择，并提出一个新框架以解决上述困境，主要贡献如下：1）最优聚类框架（OCF），可在合理约束下针对特定形式的目标函数获得最优聚类结果。2）簇排序策略（RCS），为在已有聚类结构上选择波段提供了有效准则。3）确定所需波段数的自动方法，可更好地评估由特定波段数产生的差异化信息。实验中，所提算法与若干最先进方法进行比较。实验结果表明，所提算法鲁棒且在多个数据集上显著优于其他方法。
引用
@article{arxiv.1904.13036,
title = {Optimal Clustering Framework for Hyperspectral Band Selection},
author = {Qi Wang and Fahong Zhang and Xuelong Li},
journal= {arXiv preprint arXiv:1904.13036},
year = {2019}
}