用于像素聚类的高斯混合模型

Question

我有一小组航空图像，其中图像中可见的不同地形已被人类专家标记。例如，一幅图像可能包含植被、河流、落基山脉、农田等。每幅图像可能有一个或多个这些标记的区域。使用这个小的标签数据集，我想为每种已知的地形类型拟合一个高斯混合模型。完成此操作后，对于在图像中可能遇到的每N种地形，我将拥有N个GMM。

现在，给定一个新图像，我想通过将像素分配给最可能的GMM来确定每个像素属于哪个地形。这是正确的思路吗？如果是，我该如何使用GMM对映像进行群集

Answer 1

如果你使用带标签的训练数据，那就不是聚类！

但是，您可以很容易地使用GMM集群的标签功能。

为此，计算先验概率、均值和协方差矩阵，并将它们倒置。然后使用训练数据中的多变量高斯对新图像的每个像素按最大概率密度(按先验概率加权)进行分类。

Answer 2

直觉上，你的思维过程是正确的。如果你已经有了标签，这会让这件事变得容易很多。

例如，让我们选择一个非常著名的非参数算法，比如已知最近邻算法https://en.wikipedia.org/wiki/K-nearest_neighbors_algorithm

在此算法中，您将获得新的“像素”，然后它将找到与您当前评估的像素最接近的k像素；其中，最近的是由某个距离函数(通常是欧几里得)确定的。然后，将这个新像素分配给出现频率最高的分类标签。

我不确定您是否正在寻找特定的算法推荐，但KNN将是开始测试这类练习的一个非常好的算法。我看到你标记了sklearn，scikit学习有一个我建议你阅读的very good KNN implementation。