黎曼几何和李群在图像处理中的应用(1)

现如今，无论是计算机视觉和医学图像处理，都把视角从对欧式空间的研究转到了对流形(Manifold)的研究。所以对黎曼几何和李群的理解显得尤为重要。这里就从一些图像和视觉问题的实例来介绍黎曼几何和李群。

流形(Manifold)

流形，其性质是每个细微局部可以看做是欧式空间，可以看做曲线(1D),曲面(2D)的扩展。

研究意义

其实大多数数据并不存在于欧式空间中，而是存在于某一个流形空间内。最简单的，用v表示一条数据(先暂且把他看做一个n维向量)，可以是人脸部的形状特征，可以是一张CT图像的灰度，甚至可以是一段视频的内容。就比如v表示一张照片中人脸的形状,每条数据记录了k个轮廓点的位置(v=x1,x2,...,xk). 为了去除不同照片大小带来的尺度差异，一般的做法是将数据归一化，即使得

我们发现这样一来，此类数据其实存在于k-1维的圆上。那么问题是，给定两个脸部形状数据v1和v2，怎么求平均的脸部形状呢？如果将其看成是欧式空间的数据，那么平均值为1/2(v1+v2)，但是这个结果根本就不在k-1维的圆上！

对于更复杂的问题，数据可能存在于圆以外的更复杂的流形之上，所以这就引出了对流形操作的概念。比如，数据求平均值不应该用一般的欧式平均，而应该采用流形上的Frechet Mean。欧式空间的线性回归(Linear Reg