如何在Python中将模型拟合到图像

Question

我在使用Scipy的Curve_fit函数时遇到问题，想知道是否有人知道我能对此做些什么。我正在进行仿真，并且想找到一种方法来优化其参数以适应“真实”测试图像。

Band = Simulation(fname, other_params)

在这里，Band是一个类类型变量，可帮助我运行模拟。以下函数是实际模拟的包装器，本质上重要的是它返回一个1d数组，该数组只是一个平坦的图像。

def wrapper(xy, X_off, Y_off):
    Image = Band.weight(201,757,5000,5000, fill_length=7, offset_X = X_off, offset_Y = Y_off, rand_tup=(300,0,2000))
    print X_off, Y_off
    return Image.flatten()

下面，我为X_off，Y_off（X / Y偏移，其中X和Y是基于卫星位置的准笛卡尔网格）设置了一些初始参数。我还导入了一个“真实”图像，该图像将用作我的因变量-本质上，我是在要求该程序吐出最佳参数，以便模拟将产生与该“真实”图像最接近的图像。

p0 = [-14,4]
Real_image = Band.Im[some_range]

注意，我在包装函数中定义了“ xy”。这实际上是没有用的，只是在那里，所以我可以说我有一个自变量-实际上我没有！该模拟实际上没有自变量，但是我仍然想找到一种优化它的方法，并认为这会起作用。

xy = np.zeros(10)

optimal_params,  covariance = curve_fit(wrapper, xy, F1_portion.flatten(), p0)

最后一行的结果始终是，optimize_params与初始猜测p0极为相似，可能相差很小。通过仔细研究，该算法似乎根本不会改变参数。我希望它至少以整数步长来更改参数，而且我不确定如何才能做到这一点。

基本上，我几乎总是将我的初始参数返回给我。这是算法还是我的代码有问题？我可以使用另一种算法来找到最佳参数吗？

谢谢