为提升高光谱图像谱聚类的精度,针对基于锚点的高光谱图像快速谱聚类算法中由锚点相关性过高造成对样本间相似关系衡量失准,进而导致聚类精度下降的问题,提出一种基于k重均值锚点提取的高光谱图像谱聚类(anchor point extraction with k-multiple-means,APEKMM)算法。首先,利用具有特定k重均值(k-multiple-means,KMM)算法对图像进行聚类,以子类别的概念对图像进行更为精细的聚类,通过对子类别的合并得到指定数量的聚类簇,再以簇中心作为锚点;然后,利用锚点与样本间的相似关系进行相似矩阵的构造,用以同时加强对空间信息的融合程度;最后,通过对由锚点与样本点构成的锚图进行谱分析得到聚类结果。在Indian Pines和Pavia University这2个高光谱数据集上的实验结果表明,与基于锚点的高光谱图像快速谱聚类算法相比,所提算法能够获得更高的聚类精度,精度最多可提高近10%。
展开▼
