扩散超图对比聚类网络

挖掘高阶相关

通过扩散超图建模高光谱图像中的高阶相关，并利用置信度引导的正负样本更新策略，获得更紧凑的聚类结构。

Yao, Yuxuan · 彭勃 · Qin, Tianyi · Gu, Yanfeng · Ling, Nam · 雷建军

IEEE Transactions on Circuits and Systems for Video Technology 2025

技术优势

捕获高阶相关

扩散超图能够建模样本间复杂的高阶关系，引导对比学习获得更具判别力的表示，从而提升大规模高光谱图像聚类精度。

挖掘置信聚类信息

通过置信度引导的正负样本更新策略动态调整对比学习中的正负样本，使聚类结构更紧凑。

优于现有方法

在三个公开大规模高光谱图像数据集上的实验表明，所提方法在聚类性能上超越现有最先进方法。

应用场景

• 高光谱图像聚类：用扩散超图捕获高阶相关，直接给出大规模高光谱图像的高质量聚类结果。
• 生化传感图像分析：将高光谱图像聚类用于生化传感器数据的自动分组，辅助识别样本类型。
• 遥感影像处理：在大规模遥感高光谱影像上运行聚类，省去逐像素标注，实现地物自动划分。
• 医学影像聚类：对医学高光谱图像进行无监督聚类，辅助组织或病灶区域的初步划分。
• 智能影像传感器：嵌入智能传感器数据处理流程，对高光谱图像实时聚类，减少传输和存储负担。