掩模超像素对比子空间聚类网络

大尺度高光谱无监督分类

利用掩模自编码器抑制非目标区域干扰，实现超像素级判别特征学习。

Mengjiao, Zhang · Han, Tianhao · Qu, Xiaofeng · 高希占 · 刘新旺 · 牛四杰

IEEE Transactions on Geoscience and Remote Sensing 2025

技术优势

抑制非目标区域干扰

使用掩模自编码器而非传统自编码器，在特征提取阶段主动屏蔽非目标区域，避免其干扰。

缓解超像素过平滑

设计新颖的数据增强策略，确保同时学习全局与局部信息，提升超像素级特征的可区分性。

精度大幅超越现有方法

在四个常用高光谱数据集上验证，相比最先进方法取得了大幅精度提升。

应用场景

• 高光谱图像分类：无需人工标注即可完成大场景地物分类。
• 遥感图像处理：处理遥感影像时能抑制非目标区域干扰，提升解译效率。
• 大规模数据聚类：在超像素级进行聚类，降低大规模数据的计算开销。