具有语义不变增强的超像素图对比聚类方法在高光谱图像中的应用
原文中文,约500字,阅读约需2分钟。发表于: 。利用三维和二维混合卷积神经网络提取高维空间和光谱特征,设计超像素图对比聚类模型,使用像素采样增强和模型权重增强来改善先验视图对比聚类,通过样本级对齐和聚类中心对比,优化超像素嵌入的类内相似性和类间差异性。在多个高光谱图像数据集上验证了该方法的优势,例如在 India Pines 数据集上,与最先进方法相比,模型的聚类准确率从 58.79% 提高到 67.59%。
本研究使用特定块大小的HSI立方体提取中心像素的空间-光谱特征表示,探讨了记录到的场景特定但非必要的相关性。论文还提出了多视图变换器用于HSI分类,包括MPCA、SED和SPTT。实验结果表明,该变换器在三个HSI数据集上表现优越。