一种自动编码机与K-means相结合的高光谱图像聚类方法

发布时间：2022-01-24 11:06

　　为了更好地对没有先验知识的高光谱图像进行地物分析,利用聚类系统快速稳定的优势,通过堆栈自动编码机结合K-means算法搭建1个高光谱图像聚类系统。借用堆栈自动编码机对数据进行非线性降维,基于自编码的再表达输入原理,重构高光谱图像,验证特征数据的可靠性。利用堆栈自动编码机生成的特征数据可以显著地减少聚类算法所需求的计算强度和训练时间。实验结果表明,经过堆栈自动编码机提取特征后的聚类系统,在去掉不参与聚类地物的类别之后,聚类系统的平均精度可以达到95.26%,满足实际使用的精度要求。 

【文章来源】：黑龙江工程学院学报. 2020,34(06)

【文章页数】：6 页

【部分图文】：

堆栈自动编码机

在经过堆栈自动编码机训练之后,原本数据量x降维到hn,通过图像重构,计算损失函数:L=-log(Px|x′),来达到约束特征重构图像的目的,如图2所示。其中,循环3次的网络结构变化如图3所示。

循环过程中维数变化

【参考文献】：
期刊论文
[1]空间颜色聚类算法及其在图像特征提取中的应用[J]. 李健,姜楠,宝音巴特,张帆,张伟健,王薇.  吉林大学学报(理学版). 2020(03)
[2]不同树种叶片养分含量提取的高光谱方法及精度评价[J]. 李丹,黄钰辉,孙中宇,张卫强,甘先华,王佐霖,孙红斌,杨龙.  热带地理. 2020(02)
[3]基于空-谱特征K-means的长波红外高光谱图像分类[J]. 汪凌志,雷正刚,周浩,余春超,杨智雄,段绍丽,聂冬.  红外技术. 2020(04)
[4]基于近地光谱特征的玉米田间杂草识别研究[J]. 胡盈盈,王瑞燕,郭鹏涛,李茂芬,梁伟红,李玉萍.  江苏农业科学. 2020(08)
[5]一种改进深度卷积生成对抗网络的人脸分割方法[J]. 刘柏森,邓琛,张雾琳.  黑龙江工程学院学报. 2019(05)
[6]不同作物农田的土壤呼吸与高光谱的关系[J]. 姚雪雯,陈书涛,王君,邓熙茗,张婷婷,胡正华.  农业环境科学学报. 2020(05)

硕士论文
[1]基于深度学习的高光谱图像分类[D]. 李诗卉.西安电子科技大学 2019
[2]基于降噪堆栈式自动编码机的协同过滤推荐算法[D]. 牛宝君.重庆大学 2017



本文编号：3606462