基于密度的图像像素离群点检测

Question

我有一张分辨率为256×256的图像。我的目标是找到模糊的白色像素，这是离群的图像。这些图像可以在下面看到，它们所需的输出在下面。 我使用sklearn应用DBSCAN聚类，1作为eps，150作为minu样本。我得到的结果是惊人的，但它花了30秒和大约35 GB的内存。我想要一些其他的异常检测技术，它可以将模糊的白色像素从其余的黑色像素中聚类出来。我尝试使用Random-forest和LOF，但是没有得到想要的结果。解决方案应该足够快，并尽可能使用最少的RAM。DBSCAN需要很长的时间和太多的内存。聚类应该在不提及聚类数目的情况下进行，这样算法就可以自己发现异常像素。 我需要的结果如下：

Answer 1

我认为您根本不应该在这里使用集群。我猜你想用一些阈值来移除值。这是解决这个问题的错误工具。如果你有锤子，一切看起来都像钉子-但这不是钉子。你知道吗

简化数据以提高运行时间。大多数像素都非常清晰，所以先去掉所有容易的情况。这正是为什么我不认为你的方法是合适的，你浪费了大量的CPU来计算你不需要的东西。你知道吗

不要费心尝试使聚类算法更快-而不是重新考虑你的问题。你想解决什么问题？然后设计一种方法，它可以精确地并且直接地你需要的，而不是通过像聚类这样的半合适的代理操作。你知道吗