本研究提出了一种名为SuperCL的对比学习方法，旨在解决医学图像分割中高质量标注数据不足的问题。通过结合超像素图生成伪标记，SuperCL有效利用图像结构信息，实验结果表明其在多个数据集上的分割精度优于现有方法。

本文提出了一种基于三维和二维混合卷积神经网络的超像素图对比聚类模型，旨在优化类内相似性和类间差异性。通过在多个高光谱图像数据集上的验证，该方法在聚类准确率上显著提升，尤其在 India Pines 数据集上从 58.79% 提高到 67.59%。此外，研究探讨了谱聚类和降维算法的数学基础，并提出了改进的图信号处理方法在语音增强中的应用。