一种高光谱遥感图像快速谱聚类算法

doi:10.13474/j.cnki.11-2246.2019.0387

测绘通报 ›› 2019, Vol. 0 ›› Issue (12): 60-64.doi: 10.13474/j.cnki.11-2246.2019.0387

一种高光谱遥感图像快速谱聚类算法

张亚平¹, 张宇¹, 杨楠^1,2, 罗晓³, 罗谦³

1. 哈尔滨工业大学交通科学与工程学院, 黑龙江哈尔滨 150090;
2. 国土资源部城市土地资源监测与仿真重点实验室, 广东深圳 518034;
3. 中国民用航空局第二研究所, 四川成都 610041

收稿日期:2019-01-16 发布日期:2020-01-03
作者简介:张亚平(1966-),男,博士,教授,主要研究方向为交通规划、3S技术。E-mail:zxlt0905@163.com
基金资助:
国家自然科学基金重点基金（U1533203）；国土资源部城市土地资源监测与仿真重点实验室开放基金（KF-2018-03-026）

A fast spectral clustering algorithm for hyperspectral remote sensing images

ZHANG Yaping¹, ZHANG Yu¹, YANG Nan^1,2, LUO Xiao³, LUO Qian³

1. School of Transportation Science and Engineering, Harbin Institute of Technology, Harbin 150090, China;
2. Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Land and Resources, Shenzhen 518034, China;
3. The Second Research Institute of CAAC, Chengdu 610041, China

Received:2019-01-16 Published:2020-01-03

摘要/Abstract

摘要： 为获得分类效果更优良的遥感图像分类方式并解决高光谱遥感图像分类运算速度缓慢的问题，集成Lanczos算法与谱聚类算法，探讨了高光谱遥感图像谱聚类算法应用于遥感图像分类的可行性，提出了一种面向高光谱遥感图像的快速谱聚类算法；通过对比美国圣地亚哥机场高光谱遥感图像K-均值算法与谱聚类算法的分类结果，发现面向高光谱遥感图像的谱聚类算法易于识别线性地物，且分类的速度能得到较大提升。

关键词: 高光谱遥感图像, 谱聚类算法, K-均值算法, Lanczos算法, 图像分类

Abstract: In order to obtain a better classification method of remote sensing images and solve the problem of slow classification operation of hyperspectral remote sensing images, this paper integrates Lanczos algorithm and spectral clustering algorithm, discusses the feasibility of spectral clustering algorithm of hyperspectral remote sensing images applied to remote sensing image classification, and proposes a hyperspectral remote sensing image-oriented fast spectral clustering algorithm. By comparing the classification results of K-means algorithm and spectral clustering algorithm for hyperspectral remote sensing image of San Diego Airport, USA, it is found that spectral clustering algorithm for hyperspectral remote sensing image is easy to recognize linear features, and the classification speed can be greatly improved.

Key words: hyperspectral remote sensing images, spectral clustering, K-means, Lanczos, image classification

中图分类号:

P237

张亚平, 张宇, 杨楠, 罗晓, 罗谦. 一种高光谱遥感图像快速谱聚类算法[J]. 测绘通报, 2019, 0(12): 60-64.

ZHANG Yaping, ZHANG Yu, YANG Nan, LUO Xiao, LUO Qian. A fast spectral clustering algorithm for hyperspectral remote sensing images[J]. Bulletin of Surveying and Mapping, 2019, 0(12): 60-64.

参考文献

[1] ORFANIDIS G, TEFAS A, NIKOLAIDIS N, et al. Facial image clustering in stereoscopic videos using double spectral analysis[J]. Signal Processing:Image Communication, 2015, 33:86-105.
[2] SHI J B, MALIK J. Normalized cuts and image segmenta-tion[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2000, 22(8):888-905.
[3] CHIFU A G, HRISTEA F, MOTHE J, et al. Word sense discrimination in information retrieval:a spectral clustering-based approach[J]. Information Processing and Management, 2015, 51(2):16-31.
[4] QUIRÓS-TORTÓS J, WALL P, DING L, et al. Determina-tion of sectionalising strategies for parallel power system restoration:a spectral clustering-based methodology[J]. Electric Power Systems Research, 2014, 116:381-390.
[5] QIN G M, GAO L. Spectral clustering for detecting protein complexes in protein-protein interaction (PPI) networks[J]. Mathematical and Computer Modelling, 2010, 52(11-12):2066-2074.
[6] 杜培军,夏俊士, 薛朝辉, 等.高光谱遥感影像分类研究进展[J]. 遥感学报,2016, 20(2):236-256.
[7] 万幼川,黄俊.几何和图论特征对高分辨率遥感影像土地利用分类的影响[J].武汉大学学报(信息科学版),2009,34(7):794-798.
[8] 党宇,张继贤,邓喀中,等.基于深度学习AlexNet的遥感影像地表覆盖分类评价研究[J].地球信息科学学报,2017,19(11):1530-1537.
[9] 李刚,万幼川.商空间理论下面向对象的遥感影像分类[J].光电工程,2011,38(2):108-114.
[10] 陈永良,林楠,李学斌. 求解大样本核主成分分析模型的Lanczos算法[J].吉林大学学报(地球科学版), 2010, 40(1):222-226.
[11] 刘丽丽. 基于谱聚类方法的SAR图像分割[D].天津:天津理工大学,2011.
[12] ZHANG J, MARSZALEK M, LAZEBNIK S, et al. Local features and kernels for classification of texture and object categories:a comprehensive study[J]. International Journal of Computer Vision, 2007, 73(2):213-238.
[13] 王国栋. 相似矩阵与谱聚类[D].北京:北京交通大学,2009.
[14] 马恒. 基于混合数据的谱聚类算法研究[D].徐州:中国矿业大学,2016.

一种高光谱遥感图像快速谱聚类算法

A fast spectral clustering algorithm for hyperspectral remote sensing images

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

[1]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[2]	彭述刚, 王大成, 谭军辉, 敖旋峰, 俞佳颖. 基于改进卷积神经网络的城市地下排水管道视频智能识别[J]. 测绘通报, 2021, 0(10): 132-135,167.
[3]	刘金沧, 王成波, 常原飞. 基于多特征CRF的无人机影像松材线虫病监测方法[J]. 测绘通报, 2019, 0(7): 78-82.
[4]	李杰, 李玉, 王玉, 赵泉华. 结合最大似然算法和波利亚罐模型的全色遥感图像分类[J]. 测绘通报, 2018, 0(4): 36-43,49.
[5]	牛颖超, 周忠发, 王历, 王小宇. GABA算法的遥感图像分类[J]. 测绘通报, 2018, 0(1): 62-66,71.
[6]	熊宇, 陈孝明, 阮羚, 黄俊杰, 张天浩, 朱忠敏, 韩舸. 卫星AOD数据驱动的区域电力污秽等级评估方法[J]. 测绘通报, 2016, 0(8): 39-43.
[7]	郭玉宝, 池天河, 彭玲, 刘吉磊, 杨丽娜. 利用随机森林的高分一号遥感数据进行城市用地分类[J]. 测绘通报, 2016, 0(5): 73-76.
[8]	程志会, 谢福鼎. 基于空间特征与纹理信息的高光谱图像半监督分类[J]. 测绘通报, 2016, 0(12): 56-59,73.
[9]	杨耘隋立春. 条件随机场建模的大尺度空间上下文的高分辨率遥感图像分类[J]. 测绘通报, 2014, 0(8): 21-24.
[10]	吕京国. 基于神经网络集成的遥感图像分类与建模研究[J]. 测绘通报, 2014, 0(3): 17-20.