超图自动学习与最优聚类框架结合的波段选择

图像中标记样本的缺乏和复杂的噪声使得从高光谱图像(HSI)中选择判别波段成为一项具有挑战性的任务。提出了一种超图自动学习与最优聚类相结合的波段选择方法。将整个频带空间随机划分为几个不同维度的子空间(LV),每个子空间由一组相关频带组成的训练样本的低维表示组成;将所有子空间的样本投影到标签空间后,利用超图自动模型保留这些投影的局部流形结构,保证同一类的样本距离较小,并使用一致性矩阵整合不同子空间对应的波段;通过聚类公式得到排序顺序,选出最优的聚类结果。在3个高光谱图像数据集上的实验表明,此方法与其他方法相比更具有竞争力。