用卷积滤波器matlab代码-3DS-SSC:论文库“具有3D正则化的稀疏子空间聚类，用于光谱图像土地覆盖物分割”

用卷积滤波器matlab代码具有3D正则化的稀疏子空间聚类，用于光谱图像土地覆盖分割 抽象的 遥感光谱图像的准确地表覆盖分割在地球观测和遥感领域受到广泛关注。 在过去的十年中，大多数努力都集中在开发用于光谱图像分类的不同监督方法上。 但是，计算机视觉社区当前正在开发不受监督的方法，这些方法可以适应新的条件而无需利用昂贵的监督。 在无监督分类方法中，稀疏子空间聚类（SSC）已成为一种流行的工具，并在对真实数据进行的实验中取得了良好的聚类结果。 但是，SSC模型没有考虑光谱图像中包含的空间信息； 因此，限制了它的辨别能力，并妨碍了聚类结果的空间均匀性。 为了解决这个问题，本文提出将正则化项合并到SSC模型中，该模型考虑了场景中光谱像素的相邻空间信息。 具体来说，由于属于同一土地覆被材料的光谱像素布置在公共区域中，因此我们使用3D高斯滤波器对稀疏系数执行3D卷积，获得分段平滑的表示矩阵，该矩阵用于在SSC优化程序。 大量的仿真证明了该方法的有效性，在印度松，萨利纳斯和帕维亚大学高光谱数据集的选定区域中，总体精度达到了80.41％，88.26％和100％。 工作流程 下图描述了使用3D卷积增强