[发明专利]一种快速高光谱图像聚类方法、装置、设备及介质

权利要求书

1.一种快速高光谱图像聚类方法，其特征在于，包括：

获取原始的高光谱图像；

从所述高光谱图像的数据点中选出多个锚点构成第一锚点图，从所述第一锚点图中选出多个锚点构成第二锚点图，依次构造多个锚点图；

将构造的所述锚点图构建分层锚点图，所述锚点图按照锚点数逐层减少进行排序；

由高斯核函数计算所述分层锚点图中的层间邻接矩阵；

将所述高光谱图像的数据点与所述分层锚点图的最后一层构造成二部图，并由所述层间邻接矩阵构造所述二部图的相似度矩阵以及对角矩阵，则拉普拉斯矩阵为对角矩阵减去相似度矩阵；

由所述拉普拉斯矩阵构建高光谱聚类的目标函数；

对所述目标函数进行求解，采用k-means聚类方法计算求解结果，完成对高光谱图像的聚类。

2.根据权利要求1所述的快速高光谱图像聚类方法，其特征在于，所述从所述高光谱图像的数据点中选出多个锚点构成第一锚点图，从所述第一锚点图中选出多个锚点构成第二锚点图，依次构造多个锚点图，具体为：

采用随机生成算法从所述高光谱图像的数据点中选出多个锚点，构成所述第一锚点图；采用随机生成算法从所述第一锚点图中选出锚点，构成所述第二锚点图，采用随机生成算法依次从上一锚点图中选出锚点，直到构造出多个锚点图。

3.根据权利要求1所述的快速高光谱图像聚类方法，其特征在于，所述由高斯核函数计算所述分层锚点图中的层间邻接矩阵，具体为：

所述分层锚点图中的层间邻接矩阵为：

其中，a∈(0,h)，Z_a-1,a表示H_a-1层与H_a层之间的邻接矩阵；

z_ij表示矩阵Z_a-1,a的第i行、j列元素，表示第a-1锚点图H_a-1中的第i个锚点与第a锚点图H_a中的第j个锚点的相邻关系，即z_ij可定义为：

其中，代表数据点x_i距离最近的k个锚点的索引，K()表示一种高斯核函数，高斯核函数如下表示；

式中，x_i与u_j之间的欧氏距离的平方定义为U＝[u₁,u₂,...u_m]^T∈R^m×d表示由所有锚点图中锚点构成的锚点集，其中，m表示锚点集中锚点的个数，d为每个锚点的特征维度，σ表示热核参数。

4.根据权利要求3所述的快速高光谱图像聚类方法，其特征在于，所述将构造的所述锚点图构建分层锚点图，所述锚点图按照锚点数逐层减少进行排序，具体为：

将所述高光谱图像的数据点H₀与最后一层H_h构造为二部图，则二部图的相似度矩阵可以表示为：

对角矩阵表示为：

其中D_r∈R^n×n中的对角元素为层间邻接矩阵Z中对应的每一行的和构成的对角矩阵，即中的对角元素为层间邻接矩阵Z中每一列的和构成的对角矩阵，即

拉普拉斯矩阵可写为：

5.根据权利要求4所述的快速高光谱图像聚类方法，其特征在于，所述由所述拉普拉斯矩阵构建高光谱聚类的目标函数，具体为：

所述高光谱聚类的目标函数为：

式中，第一层H₀到最后一层H_h的类指示矩阵，其密度-稀疏关系为：

F_X＝Z_0,1...Z_h-1,hF_U＝Z_HF_U

其中，F_X为原始数据的类指示矩阵，F_U为H_h层锚数据集的类指示矩阵，则这两个类指示矩阵可联合写为c为聚类数。