Odzyskaj krzywe z hałaśliwego zbioru punktów


11

Tło: Próbuję stworzyć system, który śledzi wiele bąbelków w filmie

Wdrażam wykrywanie bąbelków w przypadku pojedynczego obrazu za pomocą Circular Hough Transform. Z powodu okluzji, rozmycia i innych czynników wykrycie to nigdy nie będzie w 100% dokładne. Dostosowuję procedurę wykrywania pod kątem wysokiego przywołania, prawdopodobnie kosztem precyzji.

Gdy to zrobisz i zastosuję do sekwencji klatek z wideo, będę miał szereg detekcji, które można scharakteryzować jako punkty w przestrzeni 4D - pozycja x, pozycja y, promień i indeks klatki.

Czy istnieje procedura, która może odzyskać krzywe z tej chmury punktów 4D?



zastosuj filtr mediany 4d, a następnie różnorodne techniki uczenia się (takie jak mapa dyfuzji itp.)
bla

2
Czy zastanawiałeś się nad przewidywaniem ruchu pęcherzyków? Pozwoliłoby to na wygładzenie w czasie, co może poprawić Twoje wyniki.
Mr. White

1
Niektóre zdjęcia mogą być pomocne
Andrey Rubshtein

Odpowiedzi:


1

Twój problem jest bardzo podobny do problemu śledzenia komórek. Zostało to całkiem dobrze rozwiązane przy użyciu podejść opartych na śladach, w których każdy obiekt (bąbelek, komórka itp.) Jest modelowany jako oszacowanie Maximum-a-Posteriori (MAP). Rozwiązaniem jest programowanie liniowe. Tutaj możesz uzyskać dobre pojęcie o podejściach i implementacji internetowej

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.