python - 使用python对图像中的像素进行基于密度的异常值检测

Question

我有一张分辨率为 256 x 256 的图像。我的目标是找到图像中异常值的模糊白色像素。图像可以在下面看到，它们所需的输出在它们下面。我使用 sklearn 应用 DBSCAN 聚类，其中 1 作为 eps，150 作为 min_samples。我得到的结果是惊人的，但它花了 30 秒和大约 35 GB 的 RAM。我想要一些其他异常检测技术，它可以将模糊的白色像素与其余的黑色像素聚集在一起。我尝试使用随机森林和 LOF，但未能获得预期的结果。该解决方案应该足够快并且尽可能使用最少的 RAM。DBSCAN 需要很长时间和太多 RAM。应该在不提及聚类数量的情况下进行聚类，以便算法本身可以找到异常像素。我需要的预期结果如下：

标签： pythonimage-processingscikit-learndbscananomaly-detection

Answer 1

我认为您根本不应该在这里使用集群。我猜你想删除一些阈值的值。这是解决这个问题的错误工具。如果你有一把锤子，一切看起来都像钉子——但这不是钉子。

简化数据以改善运行时间。大多数像素都非常清晰，所以首先摆脱所有简单的情况。这正是我认为您的方法不合适的原因，您会浪费大量 CPU 来计算不需要的东西。

不要费心尝试使聚类算法更快 - 而是重新考虑您的问题。你真正想解决什么问题？然后设计一种方法，它可以完全直接地完成您需要的工作，而不是通过一些半适合的代理操作（如集群）。