非平衡最优传输字典学习用于无监督光谱图像聚类

光谱图像捕获大量关于场景的高维光谱信息，标记工作耗费且难以应用即插即用统计方法。无监督聚类学习允许自动化场景分割，加速对图像的理解。通过在 Wasserstein 空间内进行字典学习来划分数据中包含的光谱信息已证明是无监督聚类的有效方法。然而，这种方法需要平衡数据中的光谱轮廓，导致类别模糊，牺牲对离群点和噪声的鲁棒性。本文建议通过利用非平衡 Wasserstein 重心来学习底层数据的低维表示。对所学表示进行光谱聚类，结果为无监督标签学习提供了有效方法。