计算机应用研究

作者：李文洲,邓秀勤,刘富春,

单位：广东工业大学a.应用数学学院;b.计算机学院,广州510006；

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,

基金：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)；；

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。

来源：2019年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第11期