écriture d'une fonction de similarité des images pour les données de regroupement

Question

Je sais comment écrire une fonction de similarité pour les points de données dans l'espace euclidien (en prenant le minimum négatif erreur sqaured.) Maintenant, si je veux vérifier mes algorithmes de regroupement sur les images comment puis-je écrire une fonction de similarité pour les points de données en images ? Est-ce que je base sur leurs valeurs RVB ou quoi? et comment?

Answer 1

Je pense que nous devons mieux préciser certains points:

1. Vous Clustering que sur la couleur? Alors, prenez les valeurs RVB pour les pixels et appliquer votre fonction métrique (minimiser la somme des carrés erreur ou calculer simplement SAD -. Somme des différences absolues).
2. Vous classez sur la base de l'espace (dans une image)? Dans ce cas, vous devez prendre soin de la position, que vous avez spécifié pour l'espace euclidien, juste considérer l'image comme le domaine de vos échantillons. Il est un espace 2D de toute façon ... 3D si l'on considère les informations de couleur aussi (voir plus bas).
3. Vous cherchez des informations 3D de l'image? (Position 2D + couleur 1D) Il est le cas le plus probable. Pensez à des techniques de segmentation si votre image montre des formes régulières ou bien définies, comme première approche. Si elle échoue, ou que vous vouliez un algorithme moins à l'écoute de la main, pensez à réduire l'espace 3D de l'information en 2D ou même 1D en faisant PCA sur des données. En analysant les composants principaux, vous pouvez déposer des informations unuseful de votre collection et / ou l'exploitation de la structure des données intrinsèques d'une certaine façon.

L'argument aurait besoin de beaucoup plus qu'un poste à résoudre, mais j'espère que cela pourrait aider un peu.