如何快速搜索二维矩阵所有局部窗口极大值

godenlove007 2014-04-17 09:58:58
小弟想在一个二维矩阵中搜索局部窗口极大值，各位大牛可否给出一些好方法？

具体问题如下：
============================
对于一个大小为N * N的矩阵中的每个点P，在以P为圆心，半径为m的圆形窗口内，判定P是否是这个圆窗口内所有元素的局部极大值。要求能够找到整个矩阵内所有满足此条件的元素。（圆形窗口限制也可以放宽到以P为中心，宽高皆为（2m+1）的矩形窗口。）
===========================
本人目前只能想出复杂度为O(N * N * (2m+1) * (2m+1))的遍历算法，速度不行啊！

如果您能够给出一个高效率的算法实现，给出其复杂度分析，或者从一个新颖的角度分析此问题，或者哪怕是给出一点指点，我都非常感谢！！
...全文
775 10 打赏 收藏 转发到动态 举报
写回复
用AI写文章
10 条回复
切换为时间正序
请发表友善的回复…
发表回复
qq_35357815 2016-07-19
  • 打赏
  • 举报
 回复
最高效的方法是哪一种啊
albert future 2014-05-04
  • 打赏
  • 举报
 回复
说白了就是在二维平面上进行 非极大值抑制 NMS 你可以查一下，是有一些高效算法的！ http://www.google.com.hk/url?sa=t&rct=j&q=&esrc=s&frm=1&source=web&cd=2&ved=0CC0QFjAB&url=%68%74%74%70%3a%2f%2f%77%77%77%2e%63%6e%62%6c%6f%67%73%2e%63%6f%6d%2f%72%6f%6e%6e%79%2f%70%2f%6f%70%65%6e%63%76%5f%72%6f%61%64%5f%39%2e%68%74%6d%6c&ei=hi5mU92LFIX78QWMg4LICg&usg=AFQjCNEiwv_62hWF8mxWj5UPdnXPT1qCCQ&bvm=bv.65788261,d.c2E&cad=rjt
dianyancao 2014-04-19
  • 打赏
  • 举报
 回复
图像处理里的局部二值化，你可以用积分图来加速，能将O((2*m+1)*(2*m+1))优化为O(1)
FancyMouse 2014-04-19
  • 打赏
  • 举报
 回复
引用 2 楼 zhao4zhong1 的回复:
无Profiler不谈效率。
不懂不要瞎起哄
FancyMouse 2014-04-19
  • 打赏
  • 举报
 回复
引用 4 楼 buyong 的回复:
一个想法不太成熟： (1) 找到全局最大的 -> O（N） (2) 计算出这个最大值的覆盖范围：以P为圆心，半径为m的圆形窗口，在这范围内他肯定是局部最大，这范围内其他元素都不可能是局部最大了。 -》O(1) ? 把所有这些元素标记为已使用。 (3) 重复1，2，（仅对未使用的元素），直到所有元素都用过为止。 可能总体是O(n2)
你这个n是原题里的n^2……
godenlove007 2014-04-18
  • 打赏
  • 举报
 回复
引用 1 楼 FancyMouse 的回复:
你首先要把1维的版本做会。采用单调队列的话1维是有O(n)的算法的。 会了1维以后，2维先对于每一行做一下1维的子问题，构造出一个新矩阵，表示这一行2m+1范围内的最大值，然后再对于新构造的矩阵对于每一列再做一次1维子问题，这样再构造出一个新矩阵，表示每个窗口的最大值。然后再用最大值去和原矩阵比较就行了。复杂度O(n^2)。
谢谢您的建议！
赵4老师 2014-04-18
  • 打赏
  • 举报
 回复
无Profiler不谈效率。
godenlove007 2014-04-18
  • 打赏
  • 举报
 回复
引用 4 楼 buyong 的回复:
一个想法不太成熟： (1) 找到全局最大的 -> O（N） (2) 计算出这个最大值的覆盖范围：以P为圆心，半径为m的圆形窗口，在这范围内他肯定是局部最大，这范围内其他元素都不可能是局部最大了。 -》O(1) ? 把所有这些元素标记为已使用。 (3) 重复1，2，（仅对未使用的元素），直到所有元素都用过为止。 可能总体是O(n2)
嗯，这个复杂度的确不低。话说怎么这种问题是不是对应了算法里的某个专门的问题啊？可是我不知道怎样去百度这样的哦问题。
buyong 2014-04-18
  • 打赏
  • 举报
 回复
一个想法不太成熟： (1) 找到全局最大的 -> O（N） (2) 计算出这个最大值的覆盖范围：以P为圆心，半径为m的圆形窗口，在这范围内他肯定是局部最大，这范围内其他元素都不可能是局部最大了。 -》O(1) ? 把所有这些元素标记为已使用。 (3) 重复1，2，（仅对未使用的元素），直到所有元素都用过为止。 可能总体是O(n2)
FancyMouse 2014-04-18
  • 打赏
  • 举报
 回复
你首先要把1维的版本做会。采用单调队列的话1维是有O(n)的算法的。 会了1维以后，2维先对于每一行做一下1维的子问题，构造出一个新矩阵，表示这一行2m+1范围内的最大值，然后再对于新构造的矩阵对于每一列再做一次1维子问题，这样再构造出一个新矩阵，表示每个窗口的最大值。然后再用最大值去和原矩阵比较就行了。复杂度O(n^2)。
Python实现矩阵局部极大值的查找技巧
局部极大值的数学定义相对简单。在离散数学中，给定一个函数 f: X → Y，其中 X 和 Y 是定义域和值域，对于定义域内的任意元素 x_i，如果存在一个区间 [a, b]，使得对于区间内的任意 x（x_i除外），都有 f(x) ≤ f(x_i)，则称 x_i 为 f 的一个局部极大值点。直观上，局部极大值点就像是一个山峰，虽然不一定是最高峰，但在其周围的小范围内，它是最高的点。局部极大值的概念在数据集中寻找峰值点时非常有用，它们代表了数据集中的异常值或特殊区域。
NMS——非极大值抑制详解与实现（matlab）
NMS（non maximum suppression），中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。 非极大值抑制顾名思义就是抑制不是极大值的元素，搜索局部的极大值。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法，而是用于在目标检测中用于提取分数最高的窗口的。例如在行人检...
非极大值抑制（NMS）
极大值抑制（Non-Maximum Suppression，NMS），顾名思义就是抑制不是极大值的元素，可以理解为局部最大搜索。这个局部代表的是一个邻域，邻域有两个参数可变，一是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法(参考论文《Efficient Non-Maximum Suppression》对1维和2维数据的NMS实现)，而是用于目标检测中提取分数最高的窗口的。例如...
非极大值抑制原理
转自：http://blog.csdn.net/u011534057/article/details/51218250 RCNN算法，会从一张图片中找出n多个可能是物体的矩形框，然后为每个矩形框为做类别分类概率： 就像上面的图片一样，定位一个车辆，最后算法就找出了一堆的方框，我们需要判别哪些矩形框是没用的。非极大值抑制：先假设有6个矩形框，根据分类器类别分类概率做排序，从小到大分别属于车辆的
MATLAB中的二维傅里叶变换实现与应用
二维离散傅里叶变换（2D DFT）是将二维信号（如图像）转换到频域的数学工具。它允许我们分析图像的频率成分，这对于很多图像处理算法至关重要，例如图像滤波、特征提取等。2D DFT的数学表达式是两个一维DFT的组合，第一个在行上，第二个在列上。假设我们有一个M×N的二维信号矩阵x(m,n)，其2D DFT表示为X(k,l)：其中，(k=0,1,…,M-1)和(l=0,1,…,N-1)分别是行和列的频率索引。通过2D DFT，我们可以得到信号的频率分量，从而可以设计滤波器对特定频率进行增强或抑制。
C++ 语言

65,207

社区成员

250,517

社区内容

发帖
与我相关
我的任务
社区描述
C++ 语言相关问题讨论，技术干货分享，前沿动态等
c++ 技术论坛（原bbs）
社区管理员
  • C++ 语言社区
  • encoderlee
  • paschen
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
  1. 请不要发布与C++技术无关的贴子
  2. 请不要发布与技术无关的招聘、广告的帖子
  3. 请尽可能的描述清楚你的问题，如果涉及到代码请尽可能的格式化一下

试试用AI创作助手写篇文章吧

+ 用AI写文章