BriefGPT - AI 论文速递
·
学习不变的像素间相关性以用于超像素生成
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
本研究介绍了一种名为S2DL的新的无监督高光谱图像聚类算法，通过融合空间信息解决高维、噪声、异常点和准确标签的挑战。实验证明S2DL在多个高光谱图像上具有高效性。
🎯
关键要点
- 本研究介绍了一种新的无监督高光谱图像聚类算法，名为S2DL。
- S2DL通过融合高光谱图像中的空间信息来解决高维、噪声、异常点和准确标签的挑战。
- 该方法使用熵率超像素技术将图像划分为超像素，并构建空间正则化扩散图。
- 最高密度像素之间的扩散距离最远，被识别为隐含聚类结构的示例。
- 通过多数投票将标签传播到整个图像。
- S2DL的性能通过对Indian Pines、Salinas和Salinas A三个高光谱图像进行实验验证。
- S2DL还应用于香港米埔自然保护区的大规模无监督红树林物种映射。
- 实验结果表明S2DL在各种无监督遥感分析任务上具有高效性。
➡️
