A Dynamical Systems Algorithm for Clustering in Hyperspectral Imagery

要約

この論文では、ハイパースペクトル画像をクラスタリングするための新しい動的システムアルゴリズムを紹介します。
アルゴリズムの主な考え方は、データポイントが密度を上げる方向に「プッシュ」され、同じ密度の領域に到達するピクセルのグループが同じクラスに属するということです。
これは本質的に、データ多様体上のデータポイントの密度の勾配によって定義される微分方程式の数値解法です。
クラスの数は自動化されており、結果のクラスタリングは非常に正確になります。
正確なクラスタリングを提供することに加えて、このアルゴリズムは、高次元のハイパースペクトルデータを理解するための新しいツールを提供します。
アーバン（www.tec.ary.mil/Hypercube/で入手可能）シーンでアルゴリズムを評価し、事前に識別されたクラスのマテリアルをグラウンドトゥルースとして使用して、パフォーマンスをk-meansアルゴリズムと比較します。

要約(オリジナル)

In this paper we present a new dynamical systems algorithm for clustering in hyperspectral images. The main idea of the algorithm is that data points are \`pushed\’ in the direction of increasing density and groups of pixels that end up in the same dense regions belong to the same class. This is essentially a numerical solution of the differential equation defined by the gradient of the density of data points on the data manifold. The number of classes is automated and the resulting clustering can be extremely accurate. In addition to providing a accurate clustering, this algorithm presents a new tool for understanding hyperspectral data in high dimensions. We evaluate the algorithm on the Urban (Available at www.tec.ary.mil/Hypercube/) scene comparing performance against the k-means algorithm using pre-identified classes of materials as ground truth.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google