使用機器學習的斑點檢測？

我有一大堆圖像顯示了一些黑斑，其位置隨時間變化（見圖b）。爲了檢測斑點，我現在使用強度閾值（圖中的c，其中所有低於閾值的強度值設置爲1），然後使用下面的Matlab代碼在二值圖像中搜索斑點。正如你看到的二進制圖像相當嘈雜，使斑點檢測過程變得複雜。你有沒有關於如何改進形狀檢測的建議，可能包括一些機器學習算法？謝謝！使用機器學習的斑點檢測？

代碼：

se = strel('disk',1); 
se_1 = strel('disk',3); 
pw2 = imclose(IM,se); 
pw3 = imopen(pw2,se_1); 
pw4 = imfill(pw3, 'holes'); 

% Consider only the blobs with more than threshold pixels 
[L,num] = bwlabel(pw4); 
counts = sum(bsxfun(@eq,L(:),1:num)); 
number_valid_counts = length(find(counts>threshold));

enter image description here

來源

2014-09-21 albus_c

所以基本上，你只是想從圖B中提取blob？或blob（來自圖b）mius酒吧（圖c）？ – 2014-09-24 09:01:34

這可能會有幫助。

提取要提取的斑點邊界的紋理特徵。這可以使用Local binary patterns完成。還有許多其他的紋理特徵，你可以得到詳細的調查here。
然後用它們來訓練一個二元分類器。

來源

2014-09-22 04:47:47 Dib

謝謝！我會盡力讓你知道它是否有效;-) – 2014-09-22 10:02:20

看起來像是圖像下方的脈衝數據，我建議獲取一些圖像並垂直於脈衝方向切片像素的垂直線，每次您拍一行值，稍微高於和低於脈衝，條帶寬度是一個像素，並且其高度比脈衝圖像稍大一些，以便將脈衝中的某些光值取得低於和高於脈衝，則可以從像素420-490開始，每次保存70個灰度值時，這些將形成特徵矢量，也可以從非斑點區域中取出線條保存到第2類，在每張圖像的幾個圖像和線條上執行此操作。

現在你會得到你的訓練數據，你可以使用任何機器學習算法訓練的脈衝和非脈衝計算機，

在測試步驟，您掃描圖像讀取每次70個垂直並進行測試針對訓練有素的模型，如果它們屬於類「bolob」繪製的白色垂直線，則從測試像素的下方開始繪製新的黑色圖像，否則在輸出圖像上不繪製任何東西。

掃描圖像結束時：檢查是否有可能刪除的孤立白線，將其視爲錯誤接受。如果您在一組白線內發現黑線，則將其轉換爲白線，考慮錯誤拒絕。

你可以使用我的分類：https://www.researchgate.net/publication/265168466_Solving_the_Problem_of_the_K_Parameter_in_the_KNN_Classifier_Using_an_Ensemble_Learning_Approach

，如果你決定我會送你所男女同校做。距離度量是一個問題，因爲值在0到255之間變化，所以光線值將支配距離，爲了解決這個問題，您可以使用Hassanat距離度量：https://www.researchgate.net/publication/264995324_Dimensionality_Invariant_Similarity_Measure

因爲它在數據中的比例是不變的，因爲每個特徵不會輸出0到1之間的值，因此最高值不會支配最終距離。

祝你好運

來源

2014-09-22 10:24:58

歡迎來到StackOverflow。你很想爲此做出貢獻。然而，你的回答並不真正回答這個問題。你說「你可以使用任何機器學習算法」，這不是很有用。另外，如果你知道可以工作的東西（在這種情況下可以是你自己的算法），請包括一個最簡單的例子，說明這將如何工作。請記住包含輸入和輸出圖像，以便其他人可以重新產生您的結果。發佈自己的論文鏈接對未來的讀者無助，因爲該鏈接可能會失效。 – kkuilla 2014-09-22 10:39:43

使用機器學習的斑點檢測？

回答

相關問題