[发明专利]一种高光谱图像的聚类方法、系统及设备

权利要求书

1.一种高光谱图像的聚类方法，其特征在于，包括：

获取大量高光谱图像；

采用基于二叉树锚点图的快速聚类方法获取所述高光谱图像中的具有代表性的锚点；

构建基于所述锚点的相似图，得到相似度矩阵；

对所述相似度矩阵进行谱聚类分析得到聚类结果。

2.根据权利要求1所述的高光谱图像的聚类方法，其特征在于，所述采用基于二叉树锚点图的快速聚类方法获取所述高光谱图像中的具有代表性的锚点具体为：

S1:输入高光谱图像的数据矩阵X∈R^n×d，产生的锚点数为m，类别c，类簇数k；

S2：初始化聚类中心矩阵C，C∈R^d×2，d是数据点特征的维数；

S3：若没有收敛时，则通过计算得到指示向量g，并根据指示向量g得到指示矩阵G，其中G∈[g，1-g]，则得到指示矩阵G对应的两个子簇，计算两个子簇的聚类中心距离；

式中，矩阵G∈R^d×2为指示矩阵，矩阵E∈R^d×2，g为指示矩阵G的第一列，n为偶数时，k为当n为单数时，那么k为e₁和e₂分别是矩阵E的第一列和第二列；

S4：重复步骤S3对子簇进行分层，直到子簇数等于输入的锚点数；

S5：通过计算所有子簇的中心获得锚点集U，其中U＝[u₁，u₂，...u_m]^T∈R^m×d，其中m表示锚点数，所述锚点为子簇的聚类中心，d表示每个锚点的特征维度。

3.根据权利要求2所述的高光谱图像的聚类方法，其特征在于，所述构建基于所述锚点的相似图，得到相似度矩阵具体为：

原始数据与锚点之间的邻接距离为矩阵Z，其中矩阵Z满足Z∈R^n×m，Z_ij代表矩阵Z的第i行、j列元素，同时Z_ij表示数据矩阵中第i个数据点与锚点矩阵中第j个锚点的相邻关系，即Z_ij的定义为：

其中，上式中代表数据点x_i距离最近的k个锚点的索引，K是一种高斯核函数，高斯核函数通常如下表示：

其中，x_i与u_j之间的欧式距离的平方定义为σ则是热核参数，当获得矩阵Z时，相似度矩阵A可得：

A＝ZΔ^-1Z^T

其中，Δ∈R^m×m是一个对角矩阵，其第i项可以表示为

4.根据权利要求2所述的高光谱图像的聚类方法，其特征在于，所述对所述相似度矩阵进行谱聚类分析得到聚类结果具体为：

通过相似度矩阵A获得对角矩阵和拉普拉斯矩阵，使A＝BB^T，对矩阵B进行奇异值分解获得数据的类指引矩阵F，对矩阵F进行K-均值获得聚类结果。

5.一种高光谱图像的聚类系统，其特征在于，包括：

图像获取模块，所述图像获取模块用于获取大量高光谱图像；

锚点获取模块，所述锚点获取模块用于采用基于二叉树锚点图的快速聚类方法获取所述高光谱图像中的具有代表性的锚点；

相似矩阵获取模块，所述相似矩阵获取模块用于构建基于所述锚点的相似图，得到相似度矩阵；

聚类分析模块，所述聚类分析模块用于对所述相似度矩阵进行谱聚类分析得到聚类结果。

6.一种高光谱图像的聚类设备，其特征在于，所述设备包括处理器以及存储器：

所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；

所述处理器用于根据所述程序代码中的指令执行权利要求1-4任一项所述的高光谱图像的聚类方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-4任一项所述的高光谱图像的聚类方法。

8.一种包括指令的计算机程序产品，其特征在于，当其在计算机上运行时，使得所述计算机执行权利要求1-4任一项所述的高光谱图像的聚类方法。