Wie kann ich einem Bild einen Bewertungswert basierend auf den darin enthaltenen Musterinformationen zuweisen?

Question

Ich sah ein paar Bildverarbeitung und Analyse bezogene Fragen in diesem Forum und dachte, ich könnte dieses Forum für meine Frage versuchen. Ich habe 30 zweidimensionale Arrays (um die Dinge einfach zu machen, obwohl ich einen sehr großen Datensatz habe), die 30 einzelne Bilder bilden. Viele dieser Bilder haben eine ähnliche Grundstruktur, unterscheiden sich jedoch in den Intensitäten für verschiedene Pixel. Aufgrund dieser Intensitätsvariation unter den Pixeln haben einige Bilder ein auffälliges Muster (beispielsweise eine größere Fläche mit lokalisierten intensiven Pixeln oder hochintensiven Pixeln, die eine Kante klassifizieren). Einige Bilder enthalten auch nur einzelne hochintensive Pixel, die zufällig verteilt sind, ohne dass ein herausragendes Merkmal vorhanden ist (also im Grunde Rauschen). Ich versuche nun, einen Algorithmus zu erstellen, der einem Bild basierend auf verschiedenen Faktoren wie Flächenanteil von Pixeln mit hoher Intensität, mittlere Standardabweichung, eine bestimmte Punktzahl geben kann, so dass ich das Bild mit dem prominentesten Muster (in der Reihenfolge) finden kann Wörter ordnen sie ein). Diese Faktoren hängen jedoch von einem gemeinsamen Faktor ab, d.h. einem benutzerdefinierten Schwellenwert, der für jedes Bild unterschiedlich wird. Irgendwelche Eingaben, wie ich diese Rangfolge oder eine Bildbewertung automatisiert erreichen kann (ohne die Verwendung eines Schwellenwerts)? Anfangs habe ich Matlab verwendet, um alle Verarbeitungs- und Flächenteilungsberechnungen durchzuführen, aber jetzt benutze ich R dasselbe.

Kann mir eine Menge maschinelles Lernen/zufällige Waldkram helfen? Ich bin nicht sicher. Einige Eingaben wären sehr wertvoll.

P.S. Wenn dies nicht das richtige Forum zum Posten ist, irgendwelche Vorschläge, wo ich gute Beratung bekommen kann?

Answer 1

Zunächst einmal möchte ich eine Änderung in der Terminologie vorschlagen: Was Sie bezeichnen als Merkmal in der Regel Muster genannt wird in Bild prcessing, während das, was Sie Faktor nennen ist in der Regel Funktion genannt.

Ich denke, dass die Hauptschwäche der von Ihnen verwendeten Funktionen (Mittelwert, Standardabweichung) darin besteht, dass sie nur auf der Statistik einzelner Pixel basieren (Statistik 1. Ordnung) ohne Berücksichtigung von Korrelationen (Nachbarschaftsbeziehungen von Pixeln). Wenn Sie ein sehr strukturiertes Bild aufnehmen und die Pixel zufällig mischen, haben Sie immer noch die gleichen Statistiken 1. Ordnung.

Es gibt viele Möglichkeiten, diese Korrelationen zu berücksichtigen. Eine einfache, effiziente und daher beliebte Methode besteht darin, zuerst einige Filter auf das Bild anzuwenden (Hochpass, Tiefpass usw.) und dann die Statistiken 1. Ordnung des resultierenden Bildes zu erhalten. Andere Methoden basieren auf Fast Fourier Transform (FFT).

Natürlich ist auch maschinelles Lernen eine Option. Sie könnten zum Beispiel konvolutionelle neuronale Netze ausprobieren, aber ich würde zuerst die einfache Filterung versuchen.