Мои данные состоят из множества 3D numpy массивов, которые представляют объем 3D в оттенках серого. Эти тома можно импортировать в массив numpy. Это единственный способ импортировать их в python в целом, поскольку они представляют собой странный формат файла.
У меня есть эталонный трехмерный том с объектом в центре, а затем множество других трехмерных объемы, некоторые из которых должны содержать объект в центре в определенной ориентации (цилиндр). Данные невероятно шумные. Эталонный объем имеет намного более высокий SNR, чем другие объемы, но все они шумные.
Чтобы рассчитать вероятность того, что трехмерные объемы содержат цилиндр в том же месте и ориентации, что и эталонный объем, я придумал текущую систему.
- Я проецирую контрольный объем вниз по оси 0.
- Я проецирую эталонный объем вниз по оси 1
- Я проецирую другие тома вниз по оси 0
- Я проецирую массив numpy, полный шума вниз по оси 0 (ось не имеет значения для этого)
Затем я сравниваю от 1 до 3, от 2 до 3 и от 3 до 4.
В настоящее время я пытался сделать среднеквадратическую ошибку и, как правило, коэффициент взаимной корреляции. Ни один не был успешным. Какие еще есть способы сравнить там изображения?