稀疏编码/ICA模型---MRF统计结构

传统的稀疏编码（最近几年引入先验知识学习字典）、ICA等模型的特征映射学习未引入图像先验信息，仅考虑图像块，未考虑一幅图像中图像块与其周围图像块的统计关系，致使学习映射不够丰富，同时在组合（Pool operation）时，形成的鲁棒性特征仅仅局部，未能形成整幅图像或大图像块的统计结构。如何形成整体或大局部的统计特性呢？

1）基于子空间估计方法。如子空间为2的ISA模型（2011年文献）、TICA模型、TCNN模型等,这些方法使学习的映射受到了很大的约束,正交约束过于严格，学习滤波器不够完备，同时Pooling operation（最大池、平均池、尺度池（TICA、TCNN就是一种尺度池），池的结构过于规则化）结构致使复杂神经元受到约束，复杂神经元