数据相似性太大，有没有什么算法可以分开他们呢？

各位大佬，我通过红外相机获得了两组热图像序列，拍摄的目标是一个芯片在不同的工作状态下的温度变化。但是这两组数据具有非常大的相似性。我尝试过用均值、差分值、OTSU法去分割他的面积等，但都表现出了非常大的相似性。可是从理论上来讲，工作状态会改变功耗，因此一定会引起温度的变化，可是现实却是我没有办法把他们分开。
所以，有没有什么样的特征提取办法能够让这样的数据分开呢？还是说我这可能只是一组无效数据呢？

你得到的是两个温度时间序列，可以计算两个时间序列的相似度量，也就是Dynamic Time Warping（DTW）问题。

这里有一些参考资料：

• 衡量时间序列相似度的方法-从欧氏距离到DTW及其变种 - 知乎 0、摘要根据时间序列本身的不同特点，时间序列相似度的衡量（时间序列间距离的度量）存在多种方法。本文从欧氏距离出发，进一步延伸至Dynamic Time Warping（DTW）、一些DTW存在的缺点和相关的解决办法以及DTW的两… https://zhuanlan.zhihu.com/p/389388258

代码实现可以直接基于tslearn

• tslearn.metrics — tslearn 0.5.2 documentation https://tslearn.readthedocs.io/en/stable/gen_modules/tslearn.metrics.html

你可能需要自己根据一些序列对，观测一下，用于区分的相似度阈值是多少（比如0.9）