我知道如何为欧几里得空间中的数据点编写相似度函数(通过取负最小平方误差。)现在,如果我想检查图像上的聚类算法,如何为图像中的数据点编写相似度函数?我是基于它们的 RGB 值还是什么?如何?
问问题
667 次
1 回答
0
我认为我们需要更好地澄清一些观点:
- 您是否仅在颜色上进行聚类?因此,获取像素的 RGB 值并应用您的度量函数(最小化平方误差之和,或仅计算 SAD - 绝对差异之和)。
- 您是否在空间基础上进行聚类(在图像中)?在这种情况下,您应该注意位置,就像您为欧几里德空间指定的那样,只需将图像视为样本的域。无论如何,它是一个 2D 空间……如果您也考虑颜色信息,则为 3D(见下)。
- 您是否正在从图像中寻找 3D 信息?(2D 位置 + 1D 颜色)这是最可能的情况。如果您的图像显示规则或明确定义的形状,请考虑使用分割技术作为第一种方法。如果它失败了,或者您想要一个较少手动调整的算法,请考虑通过对数据进行 PCA 将信息的 3D 空间减少到 2D 甚至 1D。通过分析主成分,您可以从您的集合中删除无用的信息和/或以某种方式利用内在数据结构。
这个论点需要解决的不仅仅是一个帖子,但我希望这能有所帮助。
于 2009-10-03T22:31:15.227 回答