Как посчитать параметр ширины автокорреляционной функции для каждого пикселя изображения? Есть нестационарный процесс на изображении. Используя скользящее окошко, необходимо найти для каждого пикселя (за исключением граничных) значение, пропорциональное ширине двумерной автокоореляционной функции этого окошка. В литературе был найден такой параметр как второй момент (second degree spread) АКФ для анализа текстурных признаков, но предложенные там методы расчета считаются слишком долго.
В данном случае можно использовать более эффективный метод для оценки параметра ширины автокорреляционной функции.
Один из способов оценки ширины автокорреляционной функции для каждого пикселя изображения - это использование функции автокорреляции для каждого пикселя в окне и аппроксимация полученной функции гауссианой или другими подходящими функциями.
Для каждого пикселя (кроме граничных) можно взять небольшое окно вокруг него и вычислить автокорреляцию пикселей в этом окне. Затем можно аппроксимировать полученную автокорреляцию функцией, например, гауссианой, и оценить ширину этой функции (например, стандартное отклонение для гауссианы).
Этот подход может быть более эффективным по времени, чем расчет второго момента АКФ для каждого пикселя, так как для аппроксимации функции необходимо обращаться к более быстрым методам оптимизации.
Таким образом, вы можете использовать описанный выше метод для оценки параметра ширины автокорреляционной функции для каждого пикселя изображения.
В данном случае можно использовать более эффективный метод для оценки параметра ширины автокорреляционной функции.
Один из способов оценки ширины автокорреляционной функции для каждого пикселя изображения - это использование функции автокорреляции для каждого пикселя в окне и аппроксимация полученной функции гауссианой или другими подходящими функциями.
Для каждого пикселя (кроме граничных) можно взять небольшое окно вокруг него и вычислить автокорреляцию пикселей в этом окне. Затем можно аппроксимировать полученную автокорреляцию функцией, например, гауссианой, и оценить ширину этой функции (например, стандартное отклонение для гауссианы).
Этот подход может быть более эффективным по времени, чем расчет второго момента АКФ для каждого пикселя, так как для аппроксимации функции необходимо обращаться к более быстрым методам оптимизации.
Таким образом, вы можете использовать описанный выше метод для оценки параметра ширины автокорреляционной функции для каждого пикселя изображения.