如何使用高斯混合模型按波长分割图像？

我有一个池塘的图像（草，沿边缘的岩石，水）。我想用GMM作为无监督分类器将图像分割成草，岩石和水。如何使用高斯混合模型按波长分割图像？

图像是形状为（800,800,4）的numpy阵列的形式，其中每个像素包含4个波长的强度数据。例如，像素x = 1 y = 1具有对应于波长[450,500,600,700]的强度数据[1000,2000,1500,4000]。

我试着使用，以适应GMM scikit学习：

gmm=GaussianMixture(n_components=3, covariance_type="tied") 
gmm=gmm.fit(data)

但是，我得到了一个错误，指出该数据的预期尺寸应小于或等于2

是有没有可用于GMM的更高维数据的Python包或函数？

来源

2017-06-01 Ian Campbell Moore

通过对4个值执行转换以减少它们，从而将其丢失了多少信息 - 从本质上将其转换为灰度图像？ – chase

使用PCA，此数据已从150个频段减少至4个频段。我在考虑自组织映射以及转换为二维数组，但我的顾问坚持在当前数组上使用GMM。 –

目前还不清楚“数据”数组的维度对应于什么。 'GaussianMixture'的'.fit'方法（像scikit-learn中的每个其他估计器）都需要一个'（n_samples，n_features）'数组作为第一个参数。你的'（800,800,4）'数组中的每一行是否对应一个样本？或者'data'只是一张800x800x4的图片？ –

所以我需要做的是在x，y维度上折叠数组，并且GMM.fit方法接受了我的数组输入。原始数据格式为（800,800,4），并将其重新整理为（800 * 800,4）阵列。

用于GMM拟合和聚类中的代码如下：

newdata = img_data.reshape(800*800, 4) 
gmm = GaussianMixture(n_components=3, covariance_type="tied") 
gmm = gmm.fit(newdata) 

cluster = gmm.predict(newdata) 
cluster = cluster.reshape(800, 800) 
imshow(cluster)

我选择n_components=3因为我期待段3种不同类型的材料（岩石，草，水）。

来源

2017-06-02 15:07:45

如何使用高斯混合模型按波长分割图像？

回答

相关问题