随机森林分类器

随机森林分类器是一种用于图像自动分割的方法火车和预测计划。

分类器的当前版本基于Verena Kaynig的膜检测随机森林和利用randomforest-matlab由阿布Jaiantilal。

使用示例如下。

内容

这是用宽视野显微镜拍摄的内质网的数据集(电影)。目的是将内质网从背景中分割出来，在细胞的平坦区域。在这种情况下，由于背景强度的梯度，全局黑白阈值将不起作用。

随机森林分类器可能是对此类数据集进行分割的方法之一。

分类的第一部分是选择属于感兴趣的对象和背景的区域。

默认情况下，分类器创建一个新目录(RF_Temp)旁边的数据位置，该位置将用于存储经过分类处理的图像和分类器本身。中可以修改临时目录名和分类器名临时dir和分类器文件名编辑框。

选择对象在对象弹出菜单
选择背景在背景弹出菜单
检查上下文大小．一般来说，短的或太多的弯曲膜型材需要更小的环境尺寸。
检查膜厚度．在这里输入膜剖面的近似厚度(以像素为单位)。
检查票部分。本节允许为投票定义阈值，将投票输出到matlab和力只得到封闭膜型材
按下训练分类器按钮对图像进行处理，并根据已经分割的区域训练分类器。分类器将预测当前显示的切片。如果结果不够好，可以细分更多的领域。这些区域可能被分割成不同的切片，在训练过程中被组装在一起。

当训练完成并将分类器保存到磁盘上时，进入工作流的第三步:预测数据集…

这个对话框允许对当前显示的任何片或整个数据集立即开始预测。所以我们可以在任意随机切片上测试预测结果，如果结果是可接受的，请按预测数据集按钮。

当预测完成时，结果被分配给选择层。从选择分层的结果应该转移到模型和面具层进一步抛光和保存到磁盘。

在预测过程中，分类器在RF_Temp目录中。此目录可以通过按下擦临时dir按钮或手动使用任何文件资源管理器。