- 博客(7)
- 收藏
- 关注
原创 ISTA & FISTA
LASSO是一个图像处理中经典的目标方程第二项的1范数限制了x的稀疏性。比如在图像去模糊的问题中,已知模糊的图像b,和模糊函数R,我们想恢复去模糊的图像I。这些变量的关系可以表达成I*R=b,其中*为卷积。在理想状态下,b没有任何噪音,那么这个问题就很简单。基于卷积定理,两个函数在时域的卷积相当于频域的相乘,那么我们只需要求出b和R的傅里叶变换,然后相除得到I的傅里叶变换,再将其恢复到
2014-08-03 04:38:25 14600 9
原创 薄板样条函数(Thin plate splines)的讨论与分析
薄板样条函数(TPS)是一种很常见的插值方法。因为它一般都是基于2D插值,所以经常用在在图像配准中。在两张图像中找出N个匹配点,应用TPS可以将这N个点形变到对应位置,同时给出了整个空间的形变(插值)。一般人都会提到该形变会使薄板的弯曲能量最小,这里有个最容易进入的误区:是把这张2D图像看作薄板没错,但弯曲能量指的并不是N个点形变到对应位置所产生在薄板内的“弯曲”。事实上,该样条函数是
2014-07-27 03:17:14 25651 8
原创 Sobolev Gradient Descent
最近听了一个报告,来自KAUST,做的是tracking,给定第一帧中一个物体的分割,求后面若干帧中该物体的分割。其采用的方法有两个重点1.用Sobolev gradient flow解决最优化问题2.目标方程考虑物体移动时新出现的部分和被遮挡的部分。虽然讨论重点是第一点,但个人觉得主要贡献还是集中在第二点。因为Sobolev gradient flow是一个出现已久的概念。但不可
2014-07-21 05:07:12 1037
原创 Guassian Process in Face Localization
高斯过程描述了函数的分布 ,是机器学习里面的主流手段。在普遍的监督学习中(分类或者是回归),我们一般采取两种手段。第一种是限定函数的种类,比如规定寻找一个输入与输出的线性关系。另一种是给每一个函数一个先验概率,更有可能出现的函数有更高的先验概率,比如光滑的函数会比上下波动的函数更有可能出现。第一种方法的问题是,假如实际的函数与我们训练时所用的函数不一样,那么预测将会失准;另一方面,假如训练时采用了
2014-07-21 05:02:50 702
原创 Anisotropic stretching
一般的曲面形变时的延伸更容易展现出非匀质的特性(anisotropic), 比如一块布更容易向某一个方向拉伸。所以在讨论曲面形变的能量时,需要考虑其不同方向所产生的能量不同。Xianfeng Gu等人的《A Generic Deformation Model for Dense Non-Rigid Surface Registration: a Higher-Order MRF-based App
2014-07-21 04:54:04 785
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人