이미지에서 구불 구불 한 강 감지

I는이 면 : 각 표면 상에 측정 된 속성 (가변)와 . 대부분의 표면은 표면에 걸쳐 속성의 무작위 분포를 갖지만 일부 표면 (재미있는 표면)은 구불 구불 한 강 패턴을 보여줍니다.$n$$z_i(x,y)$$a_i(x,y)$

어떤 표면이 그러한 패턴을 가질 가능성이 가장 큰지 알려주는 측정 값을내는 데 도움이 필요합니다 .$n$

아래와 같이 히스토그램이 같은 많은 가능한지도가 있습니다. 따라서 측정은 공간 연속성을 "보상"해야합니다. 이것을 설명하기 위해 강 이미지와 거의 동일한 히스토그램으로 임의의 이미지를 만들었습니다.

따라서 엔트로피 이미지 통계는 솔루션의 일부일 수 있습니다.

구불 구불 한 강 패턴이없는 이미지의 예는 다음과 같습니다.

내 이미지는 합성입니다 (Matlab에서 제작). 실제로, 패턴이없는 이미지는 유사한 값의 작은 얼룩 형태로 다소 더 연속적인 공간 연속성을 가질 수 있습니다.

회색조의 이미지는 다음과 같습니다.

매우 간단한 방법은 이미지의 각 행을 그 위의 행과 비교하여 약간의 수평 이동을 허용하는 것입니다.

Mathematica 에서이 간단한 알고리즘을 해킹했습니다.

Mean[MapThread[
  Function[{line1, line2},
   Min[Table[Norm[line1 - RotateLeft[line2, shift]], {shift, -5, 5}]]
   ], {s[[2 ;;]], s[[;; -2]]}]]

인접한 행의 각 쌍을 취하고 행 중 하나를 -5..5 픽셀만큼 회전하며 가장 작은 유클리드 거리를 가져옵니다. 이것은 각 행 쌍에 대해 하나의 유클리드 거리를 산출합니다. 나는 단순히 평균을 취합니다 (그러나 실제 데이터에 따라 잘린 평균 또는 중앙값이 더 강력 할 수 있습니다).

이것은 인공적으로 생성 된 샘플에 대해 얻은 결과입니다 (수식 : 정규화 (무작위 노이즈 * (1 팩터) + 신호 * 팩터))

신호 강도에 대해 결과를 플롯하면 알고리즘이 "meandering river signal strength"를 상당히 잘 측정하는 것 같습니다.

편집 : 입력 샘플을 정규화하는 것을 잊었습니다. 업로드 된 새로운 결과 이미지가 수정되었습니다.

당신은 그 히스토그램으로 올바른 길을 가고있는 것 같습니다. 이것이 샘플의 대표 이미지 인 경우, 히스토그램은 구불 구불 한 패턴이있는 이미지가 특정 임계 값보다 높은 값을 포함하고 있는지 검사하여 탐지 할 수 있음을 보여줍니다.

이 외에도 각 이미지 의 엔트로피 를 얻을 수 있습니다 . 그것은 이미지마다 무작위성을 특징 짓는 하나의 숫자를 줄 것입니다. 그 후 이미지의 엔트로피 히스토그램을 얻을 수 있습니다. 이미지가 "완전-무작위"와 "평균-무작위"(즉, 덜 무작위)로 명확하게 나뉘어져 있다고 확신한다면, 엔트로피의 히스토그램은 바이 모달이 될 것입니다. 왼쪽 모드는 엔트로피가 낮고 무작위성이 적고 (미앤 더링 패턴을 포함 할 가능성이 높음) 오른쪽 모드의 이미지에 해당합니다.

(BTW MATLAB은 관련 기능을 포함 합니다 )

편집 : OP 의견에 대한 응답 및 문제에 대한 추가 정보 업로드 이후이 답변에 대한 추가 사항은 다음과 같습니다.

엔트로피는 여전히 작동하지만 Shannon의 공식 (시계열의 각 샘플은 이전의 샘플과 독립적이라고 가정)에 설명 된 단순한 단순한 메모리가없는 경우는 아닙니다.

더 간단한 대안으로 이미지의 자기 상관 기능을 검사 해 볼 수 있습니다.