如何使超級像素的標籤在灰度圖中局部一致？

Question

我有一堆分解成超像素的灰度圖像。這些圖像中的每個超像素在[0-1]的範圍內都有一個標籤。您可以在下面看到一個圖像樣本。

以下是挑戰：我希望空間（本地）相鄰超像素具有一致的標籤（接近值）。

我對平滑本地標籤感興趣，但不想應用高斯平滑函數或任何其他內容，正如一些同事所建議的。我也聽說過條件隨機場（CRF）。它有幫助嗎？

任何建議將受到歡迎。

Answer 1

我對平滑本地標籤感興趣，但不想應用高斯平滑函數或其他任何東西，就像一些同事所建議的那樣。

爲什麼？你爲什麼不考慮你的同事的有用建議，其實際上是正確。應用平滑功能是最合理的方法。

我也聽說過條件隨機場（CRF）。它有幫助嗎？

這也表明，你應該和同事一起去諮詢，因爲CRF與你的問題無關。 CRF是一個分類器，序列分類器是精確的，需要標記的例子來學習，並且與提出的設置無關。

典型的方法是什麼？

• 由你的同事提出的確切的事情，你應該定義一個平滑的功能，並將其應用到你的函數值（我不會用一個術語「標籤」，因爲它是missleading，你有在0值[， 1]，連續值，「標籤」表示機器學習中的分類變量）及其鄰域。
• 另一種方法是定義一些優化問題，在您的當前值的分配是一個目標，第二個是「接近性」，例如：

讓我們假設你有百分點值{(x_i, y_i)}_{i=1}^N而且n(x)返回相鄰點的指數x。

因此你正在努力尋找{a_i}_{i=1}^N使得它們減少

SUM_{i=1}^N (y_i - a_i)^2 + C * SUM_{i=1}^N SUM_{j \in n(x_i)} (a_i - a_j)^2 
------------------------- - -------------------------------------------- 
closeness to current constant to  closeness to neighbouring values 
     values   weight each part 

可以使用許多技術通過scipy.optimize.minimize模塊解決上述優化問題，例如。

Answer 2

我不確定您的請求有什麼意義。

近距離的超像素標籤值很平凡：取一些（X，Y）的平滑函數，例如常量或仿射，取值範圍[0,1]，然後將函數值分配給超像素（X，Y）爲中心。

你也可以從飛機上的任何一點取距離函數。

但這是沒用的，因爲它與圖像內容無關。