image-processing - 识别数据模式的最佳方法是什么，以及了解有关该主题的更多信息的最佳方法是什么？

Question

我正在与之合作的一位开发人员正在开发一个程序，该程序可以分析路面图像以查找路面裂缝。对于他的程序找到的每一个裂缝，它都会在一个文件中生成一个条目，告诉我哪些像素构成了那个特定的裂缝。他的软件有两个问题:

1)它产生了几个误报

2) 如果他找到裂缝，他只找到它的一小部分，并将这些部分表示为单独的裂缝。

我的工作是编写软件来读取这些数据，对其进行分析，并区分误报和实际裂缝之间的区别。我还需要确定如何将裂缝的所有小部分组合在一起。

我尝试了各种过滤数据以消除误报的方法，并且一直在有限程度上成功地使用神经网络将裂缝组合在一起。我知道会有错误，但到目前为止，错误太多了。对于非 AI 专家，是否有人对完成我的任务或了解更多信息的最佳方式有任何见解？我应该读什么样的书，或者我应该参加什么样的类(class)？

编辑 我的问题更多是关于如何注意到我同事数据中的模式并将这些模式识别为实际裂缝。我关心的是高级逻辑，而不是低级逻辑。

编辑 实际上，至少需要 20 张样本图像才能准确表示我正在使用的数据。它变化很大。但我确实有 sample here , here , 和 here .这些图像已由我同事的流程处理。红色、蓝色和绿色数据是我必须分类的(红色代表暗裂缝，蓝色代表浅裂缝，绿色代表宽/密封裂缝)。

Answer 1

除了关于图像处理的有用评论外，听起来您正在处理 clustering problem .

聚类算法来自machine learning文献，特别是 unsupervised learning .顾名思义，基本思路是尝试识别自然集群一些大型数据集中的数据点。

例如，下图显示了聚类算法如何将一堆点分成 7 个聚类(用圆圈和颜色表示):


(来源:natekohl.net)

在您的情况下，聚类算法将尝试重复合并小裂缝以形成更大的裂缝，直到满足某些停止标准。最终结果将是一组较小的连接裂缝。当然，裂缝与二维点略有不同——让聚类算法在这里工作的部分技巧将是定义两个裂缝之间的有用距离度量。

流行的聚类算法包括k-means clustering ( demo ) 和 hierarchical clustering .第二个链接也有一个很好的逐步解释 k-means 是如何工作的。

编辑 :菲利普斯的一些工程师的这篇论文看起来与您正在尝试做的事情相关:

Chenn-Jung Huang，Chua-Chin Wang，Chi-Feng Wu，“ 用于晶片缺陷簇识别的图像处理技术 ，”IEEE 计算机设计与测试，第一卷。 19，没有。 2，第 44-48 页，2002 年 3 月/4 月。

他们正在对硅晶片上的缺陷进行目视检查，并使用 median filter在使用最近邻聚类算法检测缺陷之前去除噪声。

以下是他们引用的一些可能有用的相关论文/书籍:

M. Taubenlatt 和 J. Batchelder，“在集群环境中使用空间过滤进行图案化晶圆检测 ，”应用光学，第一卷。 31，没有。 17，1992 年 6 月，第 3354-3362 页。

F.-L。陈和 S.-F。刘，“一种识别半导体制造中缺陷空间模式的神经网络方法。 ” IEEE Trans.半导体制造，第一卷。 13，没有。 3，2000 年 8 月，第 366-373 页。

G. Earl、R. Johnsonbaugh 和 S. Jost，模式识别与图像分析 , Prentice Hall, 上萨德尔河, N.J., 1996。