画像のセグメンテーションに機械学習 (ランダム フォレスト) を使用しようとしています。分類器は、さまざまなピクセル レベルの特徴を利用して、ピクセルをエッジ ピクセルまたは非エッジ ピクセルとして分類します。私は最近、手動でもセグメント化するのがかなり難しい一連の画像に分類子を適用し (エッジ ピクセル マップに基づく画像セグメンテーション)、結果の確率マップから妥当な輪郭を取得する作業を続けています。また、分類子をより簡単な画像セットに適用し、しきい値を 0.95 に調整すると、非常に良好な予測アウトライン (ランド インデックス > 0.97) が得られます。確率マップから抽出された等高線をフィルタリングすることにより、セグメンテーションの結果を改善することに興味があります。
元の画像は次のとおりです。
専門家は次のように概説します。
私の分類子から生成された確率マップ:
0.95 のしきい値に基づいて画像をバイナリに変換すると、これをさらに洗練させることができます。
確率マップの穴を埋めようとしましたが、多くのノイズが残り、近くのセルがマージされることもありました。私もopenCVで輪郭を見つけようとしましたが、これらの輪郭の多くが完全に接続されていないため、これは機能しませんでした-アウトラインのあちこちでいくつかのピクセルが欠落しています。
編集：確率マップでキャニーエッジ検出を使用することになりました。