Кластеризация n-канальных изображений. Алгоритм?

udav2alex

Коллеги!
Подскажите, пожалуйста, какой алгоритм возможно расширить на n-канальные (имеются в виду изображения от гиперспектральных сенсоров, где число каналов более 200 в видимом и ИК диапазоне) изображения? Конкретно, задача состоит в том. чтобы наиболее корректно кластеризовать (или выделить грани) спутниковых многоканальных (гиперспектральных) изображений (далее их можно свернуть хоть в 1 канал, фишка в том, что что-то видно лучше в одном канале, что-то в другом)
Насколько я понимаю, тут не особо применим метод К-средних, так как там надо знать число кластеров, а тут число кластеров неизвестно. Метод применения известных моноканальных алгоритмов к каждому из каналов, а затем сложение не интересен , нужно что-то такое, что фундаментально можно сформулировать для n измерений, как "к-средние".
Сам я не особо разбираюсь в этом деле, так как вообще специалист по оптике и АСУ, но для работы очень надо...
Заранее большое спасибо!

griz_a

Не особо понял задачу, но, думаю, основной вопрос в характере желаемых кластеров.
Можно пытаться отслеживать шаровые кластеры, т.е. существеннее всего максимальное расстояние, можно - вытянутые кластеры, т.е. существеннее всего минимальное расстояние.
Какой формы кластеры хотелось бы отслеживать?

udav2alex

Очень странно, но пропал мой ответ
Попытаюсь сформулировать задачу лучше.
Со спутников получают гиперспектральные снимки, это снимки, имеющие большое количество узких каналов в видимом и ИК диапазонах (число каналов более 200). Задача состоит в том, чтобы точнее, чем есть на сегодняшний момент, провести кластеризацию изображения (или же выделить грани). Сделать это надо, используя все доступные каналы, расширив существующие методы обработки одноканальных или RGB (3 канала) изображений на n каналов.
К сожалению, я не очень понял, что имеется в виду под шаровыми кластерами (не со всеми методами знаком ).
Кстати, предлагаю научное сотрудничество в написании статьи в хороший журнал по этой теме.

griz_a


Кластер слева - шаровой. Т.е. мы отслеживаем главным образом расстояние элементов до центра кластера.
Кластер справа - ленточный. Тут мы отслеживаем выраженную структуру.
В зависимости от того, какие кластеры нас более интересуют, мы применяем разные алгоритмы и получаем разные кластера.
Например, в случае

где сверху - исходное множество точек, а ниже обведены по два кластера, получаемых в зависимости от метода.
Честно говоря, разбираться, какие именно кластера нужны в этой задаче мне неохота, поскольку есть и другие занятия, а вопрос этот не столько математический, сколько понимания задачи...
Да, прошу прощения за качество картинок %)

udav2alex

Хм...да. Теперь понятно, но что с ними делать, не понятно...Господа и дамы! Вопрос жизни и смерти решения данной задачи! Может кто может помочь, напишите в приват...

griz_a

Так ты понял, какого рода кластера тебе нужны?

udav2alex

Если я правильно понял, то мне не важно, какое конкретно расстояние будет от центра, а соответственно, нужны ленточные кластеры.
Мне важна структура, кластеры же по идее могут быть любой формы с любым расстоянием до центра. Вообще, как же можно сказать, как в данном случае можно поступить? Ведь на твоем рисунке выходит, что в случае шаровых кластеров между ними есть промежуток. Как они точнее разделяются? Получается, что мы должны знать предполагаемую форму, так? Мало того, если у нас n измерений, то вообще непонятно, может быть, "шара" не будет, так как, например, не будет монотонного убывания яркости в различных каналах одного и того же объекта. Там не монотонная кривая отражения в разных каналах.

griz_a

Ведь на твоем рисунке выходит, что в случае шаровых кластеров между ними есть промежуток. Как они точнее разделяются
Это в зависимости от метода
Получается, что мы должны знать предполагаемую форму, так?
Нет, мы должны знать структуру идейно. Что для нас важнее - отслеживать кластеры ленточные или шаровые. Например, при отслеживании людей по итогам соцопроса "любите ли вы то-то, то-то и то-то", важнее шаровые кластеры, при отслеживании слоев населения важнее ленточная структура.
того, если у нас n измерений, то вообще непонятно, может быть, "шара" не будет, так как, например, не будет монотонного убывания яркости в различных каналах одного и того же объекта.
Монотонность и не требуется.

udav2alex

А как это определить точно?
Что для нас важнее - отслеживать кластеры ленточные или шаровые. Например, при отслеживании людей по итогам соцопроса "любите ли вы то-то, то-то и то-то", важнее шаровые кластеры, при отслеживании слоев населения важнее ленточная структура.
Оставить комментарий
Имя или ник:
Комментарий: