高光谱遥感图像谱聚类关键技术研究

本书围绕“如何对大规模高光谱遥感图像数据进行快速谱聚类”这一关键问题，对基于高光谱图像的谱聚类相关理论和关键技术进行了深入研究。全书共6章，介绍了国内外高光谱图像聚类分析的研究现状，总结了高光谱图像谱聚类算法的基础概念和常见算法，提出了基于特征处理的谱聚类预处理方法和新的单层和多层锚点图快速谱聚类算法。

第1章 绪论
1.1 高光谱图像快速谱聚类研究的背景与意义
1.2 聚类算法的研究现状
1.2.1 聚类算法的研究现状
1.2.2 谱聚类算法的研究现状
1.2.3 高光谱聚类算法的研究现状
1.3 实验数据来源
第2章 常用谱聚类算法
2.1 谱聚类算法的基础概念
2.1.1 无向加权图
2.1.2 邻接矩阵
2.1.3 拉普拉斯矩阵
2.1.4 图划分准则
2.2 谱聚类算法
2.2.1 NJW算法
2.2.2 SSC算法
2.2.3 SCC算法
2.2.4 谱聚类算法的流程
2.3 评价指标
第3章 基于特征处理的谱聚类预处理方法
3.1 基于贪婪比值和降维的聚类算法
3.1.1 贪婪比值和降维模型
3.1.2 基于贪婪比值和降维的聚类算法描述
3.1.3 实验结果与分析
3.2 空谱信息融合策略
3.2.1 基于相似度分析的空谱信息融合
3.2.2 基于上下文分析的空谱信息融合
3.2.3 实验结果与分析
3.3 基于上下文分析的无核谱聚类算法
3.3.1 构建无核相似图
3.3.2 KFCA算法描述
3.3.3 实验结果与分析
第4章 基于优质单层锚点图的快速谱聚类算法
4.1 FSAQ算法描述
4.1.1 构建锚点图
4.1.2 K-means选点
4.1.3 基于锚点图的谱聚类
4.1.4 算法流程
4.1.5 时间复杂度分析
4.2 实验结果与分析
4.2.1 锚点实验分析
4.2.2 算法的参数分析
4.2.3 聚类结果分析
第5章 基于高效多层锚点图的快速谱聚类算法
5.1 FEMA算法的描述
5.1.1 超像素主成分分析算法
5.1.2 多层锚点图
5.1.3 二叉树算法
5.1.4 算法流程
5.1.5 时间复杂度分析
5.2 实验结果与分析
5.2.1 算法参数分析
5.2.2 小型数据集的实验结果与分析
5.2.3 中型数据集的实验结果与分析
5.2.4 大型数据集的实验结果与分析
第6章 总结与展望
6.1 主要工作和成果
6.2 工作展望
参考文献