1

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

4

2 回答 2

-1

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。

于 2019-05-28T14:45:18.220 回答
-1

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。

于 2019-05-31T07:15:12.653 回答