![](/img/trans.png)
[英]Random walker algorithm how a gray-level image can be 3D?
[英]How to make the labels of superpixels to be locally consistent in a gray-level map?
我对平滑局部标签很感兴趣,但不想像某些同事建议的那样应用高斯平滑函数或其他方法。
为什么是这样? 为什么您不考虑同事的有用建议,这实际上是对的 。 应用平滑功能是最合理的方法。
我也听说过条件随机场(CRF)。 有帮助吗?
这也表明,您应该选择同事的建议,因为CRF与您的问题无关。 CRF是精确的分类器,是序列分类器,它需要标记的示例进行学习,并且与给出的设置无关。
有哪些典型方法?
让我们假设你有百分点值{(x_i, y_i)}_{i=1}^N
和n(x)
返回的相邻点的指数x
。
因此,您试图找到{a_i}_{i=1}^N
,以使它们最小化
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
您可以使用多种技术来解决上述优化问题,例如通过scipy.optimize.minimize
模块。
我不确定您的要求是否有意义。
对于附近的超像素具有接近的标签值是不重要的:采用(X,Y)的一些平滑函数,例如常数或仿射,采用[0,1]范围内的值,并将函数值分配给以(X为中心的超像素,Y)。
您还可以从平面上的任意点获取距离函数。
但这没有用,因为它与图像内容无关。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.