| 融合高光谱影像三维空谱特征的子空间聚类算法 |
| |
| 引用本文： | 李文洲,邓秀勤,刘富春.融合高光谱影像三维空谱特征的子空间聚类算法[J].计算机应用研究,2019,36(11). |
| |
| 作者姓名： | 李文洲 邓秀勤 刘富春 |
| |
| 作者单位： | 广东工业大学应用数学学院,广州,510006;广东工业大学计算机学院,广州,510006 |
| |
| 基金项目： | 国家自然科学基金资助项目(61673122);广东省公益研究与能力建设专项资金资助项目(2015A030402006);广东工业大学研究生创新及竞赛项目(2017YJSCX039) |
| |
| 摘 要： | 为提高高光谱遥感影像的聚类精度,将三维空谱特征和子空间聚类算法相结合,提出一种新的稀疏子空间聚类模型,在关注高光谱影像光谱信息的同时也关注了空间上下文信息。首先提取高光谱影像像素点的三种三维空谱特征,然后通过特征对子空间聚类模型的系数矩阵进行加权,使得像素点可被与它最为相似的像素点稀疏表示,从而获得更好的系数矩阵,最后由系数矩阵通过谱聚类获得更好的聚类结果。算法对四个经典高光谱数据集进行实验,并将实验结果与六种聚类算法进行比较,结果表明,所提出的3DF-SSC算法在四个数据集上获得的聚类精度都比其他算法要高,对于同样是利用三维空谱特征的M3DF3△、3DF-SSC算法最高能提高8.62%的精度,而与同样是利用空间上下文信息对子空间聚类算法进行改进的L2-SSC和SS-LRSC算法相比,最高能提高25.18%的精度。
|
| 关 键 词： | 高光谱遥感影像 三维空谱特征 子空间聚类 空间上下文信息 |
| 收稿时间： | 2018/7/18 0:00:00 |
| 修稿时间： | 2019/10/6 0:00:00 |
Subspace clustering algorithm fused three-dimensional spatial spectral features of hyperspectral images |
| |
| Li Wenzhou,Deng Xiuqin and Liu Fuchun.Subspace clustering algorithm fused three-dimensional spatial spectral features of hyperspectral images[J].Application Research of Computers,2019,36(11). |
| |
| Authors: | Li Wenzhou Deng Xiuqin and Liu Fuchun |
| |
| Affiliation: | School of Applied Mathematics,Guangdong University of Technology,Guangzhou Guangdong,, |
| |
| Abstract: | |
| |
| Keywords: | hyperspectral images three-dimensional spatial spectral features subspace clustering spatial context information |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
