superpixel fonction d'extraction

Question

Je travaille sur un projet pour localiser le ventricule droit, la base de super-pixel et l'apprentissage de la machine, Ceci est un super résultat de segmentation de pixels (SLIC):

I Vous avez des questions sur l'extraction de caractéristiques de super-pixel:

1. Fonction de texture. Comme je sais que les blocs de superpixels sont anormaux, mais l'extraction de texture est généralement basée sur des rectangles, je ne sais pas comment les calculer

2. J'ai lu un article sur superpixel et RF, "Mahapatra, D. (2014). Segmentation cardiaque automatique en utilisant l'information sémantique des forêts aléatoires Journal of Digital Imaging, 27 (6), 794-804. " Il y a une section dans le présent document à 2.3.3

   « Nous étendons le concept d'anisotropie aux fonctions de courbure 2D. anisotropie Courbure est calculé d'une manière similaire à celle anisotropie de la texture . L'entropie des valeurs de courbure est déterminée à partir de 9 secteurs d'une image. Si les valeurs de courbure ont une large distribution il indique une plus grande anisotropie, conduisant à une valeur d'entropie plus élevée. sur les autres valeurs à faible entropie de la main indique moins anisotropie »

   Comment Californie lculate les?

Mon langage de programmation principal est MATLAB.

Answer 1

Une approche courante pour définir les caractéristiques par superpixel est d'agréger les caractéristiques des pixels qui composent un superpixel en utilisant une statistique de votre choix (moyenne est un choix très commun). Donc, à votre avis, disons que vous avez calculé les caractéristiques de texture de Gabor par pixel. Vous pourriez prendre la moyenne des caractéristiques de texture de Gabor pour tous les pixels dans le superpixel 1, et cela définirait l'ensemble de caractéristiques de texture pour le superpixel un ... et ainsi de suite.

L'exemple suivant montre le calcul des caractéristiques couleur moyennes pour définir L a b * caractéristiques pour chaque superpixel. Le flux de travail demeurerait le même, vous simplement remplacer vos caractéristiques de texture pour la place des caractéristiques de couleur:

https://www.mathworks.com/help/images/land-classification-with-color-features-and-superpixels.html