相关疑难解决方法(0)

我需要一种算法,可以确定两个图像是否"相似"并识别相似的颜色,亮度,形状等模式.我可能需要一些关于人类大脑用来"分类"图像的参数的指针...

我已经看过基于hausdorff的匹配,但这似乎主要是为了匹配变换对象和形状模式.

我有两个数据集,我试图互相关联.它们看起来与arctan功能类似,所以我一直用它作为模型来研究如何进行信号处理.

x = linspace(-15, 15, 2**13)
f1 = arctan(x)
f2 = arctan(x + 2)

我需要回答的问题是,我需要移动绿色信号以使其(大部分)与蓝色信号重叠多少？我认为这将是作为的互相关函数查找最大简单f1和f2,我在这里广泛遵循的建议:如何与相关的差距和不同的时基两个时间序列？.这就是我一直在尝试的

c = correlate(f1, f2, 'full')
s = arange(1-2**13, 2**13)
dx = 30/2**13
shift = s[c.argmax()]*dx

我希望shift或多或少恰好等于2,但事实上它只是0.234.这对我没有任何意义; 我发现互相关的最大x坐标,应该在两个信号最大重叠的地方找到.

关于如何计算这种功能的数量的任何想法？

编辑:我应该补充一点,对于我的真实数据,所有值都将介于0和1之间

编辑编辑:以下功能实际上更像我的真实数据:

x = linspace(-15, 15, 400)
f1 = (arctan(-x) + pi/2) / pi
f2 = (arctan(-x + 2) + pi/2) / pi

所以使用这里给出的公式:http://paulbourke.net/miscellaneous/correlate/我可以写一个互相关函数来填充数据,在左边添加一个,在右边添加零:

def xcorr(x, y);
    mx = x.mean()
    my …