Определение кривой наилучшего соответствия для зашумленных графических изображений в Python ⇐ Python

[Anonymous]

Вот перевод и черновик сообщения о переполнении стека:
Заголовок: Определение кривой наилучшего соответствия (косинус, полином 3-й степени, линейная) для изображений зашумленного графика в Python >
Я работаю над алгоритмом, который берет изображение, напоминающее график, и определяет, ближе ли оно к косинусоидальной волне, параболической кривой или линейной линии.
Проблема, с которой я столкнулся: изображения очень зашумлены, и многие моменты влияют на общие данные.
Вопрос: как я могу эффективно обрабатывать выбросы в этом контексте, особенно с учетом что оптимальные параметры удаления выбросов различаются в зависимости от изображения? Существует ли более надежный метод или конкретная конфигурация DBSCAN, которая могла бы работать, или, возможно, лучший подход для подбора моделей к таким зашумленным данным?
как я могу эффективно выявлять и удалять выбросы из нелинейных функций?
Спасибо!
Вот мой текущий подход:
1. Преобразовал изображение в двоичное представление в 2D-массиве.
2. Нормализовали данные.
3. Попыталась подогнать каждую из трёх моделей (синусоидальную, параболическую и линейную) к данным путём оптимизации коэффициентов (используя библиотечную функцию, основанную на методе наименьших квадратов, для нахождения коэффициентов — ransac, scipy Curve_fit).
4. Рассчитал среднеквадратическую ошибку (MSE) для каждой модели, чтобы определить, где ошибка минимальна, и на основе этого определить наиболее подходящую модель.
Код выполняется, но возвращает результат неправильные выводы. Я подозреваю, что проблема связана с обработкой выбросов.
Что я пробовал для удаления выбросов:
• Использование Z-оценки не помогло исключить какие-либо точки.
/>• Я также попробовал DBSCAN, но не смог найти оптимальные параметры для эффективного удаления конкретных выбросов, которые мне нужны. Параметры различаются в зависимости от изображения, поэтому их автоматическая настройка была сложной задачей.
как я могу эффективно идентифицировать и удалять выбросы из нелинейных функций, не имея предварительных знаний об этом?

Подробнее здесь: https://stackoverflow.com/questions/791 ... -in-python