信任扩散算法解决计算机视觉问题（Belief Propagation for Computer Vision）

  Markov Random Field(MRF)为解决计算机视觉问题提供了一种鲁棒而且统一的框架，Gruph Cuts和Belief Propagation(BP)算法是计算MRF的常用方法。BP算法能够很好的解决编号（label）为离散情况下的Labeling Problem，即PL2、PL3问题[1]。这里简要介绍BP算法。

    一般MRF的能量可以表示为下面的形式：

                  

    第一项表示将编号（label）f_p附给p的代价，第二项衡量把编号f_p和f_q同时附给两个邻居节点p和q的代价。P表示MRF中所有的节点，N表示邻居（neighbor），在图像中比如4领域和8领域邻居。如果用BP算法中Max-Product的方法，则节点之间传送的消息（message）的公式可表示成：

                  

    初始化时（即t=0时），可以令每个消息m为0。

    BP的过程是这样的：针对每个节点p，计算其向邻居q扩散的信息。先确定q的值，然后