基于锚点图的空间-光谱聚类用于高光谱图像
计算机视觉与模式识别
2022-12-07 v1
摘要
高光谱图像（HSI）聚类旨在将高光谱像素划分为簇，在实际应用中已引起显著关注。近来，许多基于图的聚类方法通过构建邻接图来建模数据关系，展现出主导性能。然而，HSI数据的高维性使得构建成对邻接图十分困难。此外，丰富的空间结构在聚类过程中常被忽视。为了更好地处理高维问题并保留空间结构，本文提出一种名为基于锚点图的空间-光谱聚类（SSCAG）的新型无监督方法用于HSI数据聚类。SSCAG具有以下贡献：1）采用基于锚点图的策略为HSI数据构建可处理的大图，有效利用所有数据点并降低计算复杂度；2）提出一种新的相似性度量，将空间-光谱信息嵌入组合邻接图中，从而挖掘HSI数据的内在属性结构；3）在优化中采用高效的邻域分配策略，对邻接图执行奇异值分解（SVD）以高效获得解。在三个公开HSI数据集上的大量实验表明，所提SSCAG与最先进的方法相比具有竞争力。
引用
@article{arxiv.2104.11904,
title = {Spatial-Spectral Clustering with Anchor Graph for Hyperspectral Image},
author = {Qi Wang and Yanling Miao and Mulin Chen and Xuelong Li},
journal= {arXiv preprint arXiv:2104.11904},
year = {2022}
}