Główne pojęcia
提案されたモデルは、高分光画像のクラスタリング精度を効果的に向上させることができます。
Streszczenie
この研究では、高次元かつ複雑なスペクトル構造が高分光画像(HSI)のクラスタリングを困難な課題としていることが指摘されています。従来の部分空間クラスタリングアルゴリズムは、単一ビュー向けに設計されており、HSI内の空間またはテクスチャ特徴情報を十分に活用していません。本研究では、グラフ畳み込みネットワークを使用したHSIの多視点部分空間クラスタリングが提案されました。この手法は、2つのグラフ畳み込み部分空間を構築するためにピクセルテクスチャとピクセル隣接空間-スペクトル情報が送信されました。また、注目ベースの融合モジュールが採用されてより識別力のある特徴マップを適応的に構築しました。提案されたモデルは、Indian Pines、Pavia University、Houstonなど3つの人気HSIデータセットで評価され、それぞれ92.38%、93.43%、83.82%の全体的な正確度を達成しました。
Statystyki
モデルはIndian Pinesで92.38%、Pavia Universityで93.43%、Houstonで83.82%の全体的な正確度を達成しました。
Cytaty
"提案されたモデルはHSIのクラスタリング精度を効果的に向上させることができます。"
"GCNは近隣情報を集約する能力があります。"
"MSCGCは他の手法よりも最適な結果を達成しました。"