python-3.x - 用于像素聚类的高斯混合模型

Question

我有一小组航拍图像，其中图像中可见的不同地形已由人类专家标记。例如，一幅图像可能包含植被、河流、落基山脉、农田等。每幅图像可能有一个或多个这些标记区域。使用这个小的标记数据集，我想为每种已知的地形类型拟合一个高斯混合模型。完成后，对于我可能在图像中遇到的每 N 种地形，我将拥有 N 个 GMM。

现在，给定一个新图像，我想通过将像素分配给最可能的 GMM 来确定每个像素属于哪个地形。这是正确的思路吗？如果是，我该如何使用 GMM 对图像进行聚类

score -1 · Accepted Answer

直觉上，你的思维过程是正确的。如果您已经有了使这更容易的标签。

例如，让我们选择一个众所周知的非参数算法，例如已知最近邻https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm

在此算法中，您将获取新的“像素”，然后找到与您当前正在评估的最接近的 k 像素；其中最接近的是由某个距离函数（通常是欧几里得）确定的。然后，您可以将这个新像素分配给最常出现的分类标签。

我不确定您是否正在寻找特定的算法推荐，但 KNN 将是开始测试此类练习的一个非常好的算法。我看到你标记sklearn了，scikit learn 有一个非常好的 KNN 实现，我建议你继续阅读。

score -1 · Accepted Answer

如果您使用标记的训练数据，它不是聚类！

但是，您可以轻松地使用 GMM 聚类的标记功能。

为此，计算先验概率、均值和协方差矩阵，将它们反转。然后使用来自训练数据的多元高斯，通过最大概率密度（由先验概率加权）对新图像的每个像素进行分类。

2 回答 2