面向压缩光谱成像的空间稀疏子空间聚类
图像与视频处理
2019-11-06 v1 计算机视觉与模式识别
摘要
本文旨在开发一种直接从CASSI压缩测量中对光谱图像进行聚类的方法。所提出的聚类方法首先假设压缩测量位于多个低维子空间的并集中。因此，稀疏子空间聚类（SSC）是一种无监督方法，将压缩测量分配到各自子空间。此外，在SSC问题中加入三维空间正则化项，从而充分利用光谱图像中包含的空间信息。当CASSI系统采用最优编码孔径时，所获得的CASSI最优测量进一步提升了所提光谱图像聚类方法的性能。基于一个真实数据集的仿真说明了所提光谱图像聚类方法的准确性。
引用
@article{arxiv.1911.01671,
title = {Spatial Sparse subspace clustering for Compressive Spectral imaging},
author = {Jianchen Zhu and Tong Zhang and Shengjie Zhao and Carlos Hinojosa and Zengli Liu and Gonzalo R. Arce},
journal= {arXiv preprint arXiv:1911.01671},
year = {2019}
}