利用信息映学习显性和隐性视觉流理解.doc

利用信息映射学习显性和隐性视觉流理解 文中介绍了在图像中有大量的复杂而多维的子空间。而认识这些子空间的特点对图像特征建模是十分重要的。而文中介绍的两周子空间就是显性子空间和隐形子空间。其中显示流是用于低维的结构图像元素，而隐形的则是用于高纬更加广泛的图像。 对于两种流的定义： 显性流指图像片的一个子空间，以一个确定函数g(w)附加小量的变形量e I代表图像patch； w=(x,y,,a) (图像patch的描述：x,y-patch的中心；-patch方向；a-对比度)； g代表一个explicit函数； 代表一个起伏的系数。 隐性流则是以统计量限制定义，对于一个统计变形量e I代表图像patch； H代表一个implicit函数； h是一个统计的系数。 可以看出H（I）是一个统计量，即以I为参数的一个统计出来的变量。隐形流的方法是通过统计而来的。而显性则相对确定。 子空间的逼近问题： 子空间分为高维和低维，不同的低维可以组合成高维，这样就可以不断地调整子空间，不断逼近图像，直到与图像匹配。对于显性流是从内部开始不断向外匹配，如图中的圆逼近红线。而对于隐性流则是从外部往里扩展直到匹配。 放入一个学生的例子，好学生从100分往下扣，这是显性流，差学生就从0分向上增长，这是隐性流。 文章的目的并不是介绍如何去产生特征或者如何去判别特征，也不是去争论产生式模型和判别式模型哪个好，而是去研究我们研究图像时所要处理的图像子空间的特点。文中提出了一个中药发展的比喻。中药的发展是经过长期不断尝试发展而来的，对于每种草药都是实验过很多次才知道其效用。这就像现在计算机视觉发展，不断找特征和创造特征去做图像产生或识别。而对于子空间的研究，就像是研究草药的原理，为什么会有这种效用。从而达到从根本上解决问题的目的。