8/21 （CVPR2011） Internal Statistics of a Single Natural Image

这篇文章是CVPR2011年关于单张自然图像自相似的文章。Internal Statistics of a Single Natural Image

自相似性就是 图像patch会在自身图像或者跨尺度图像中重复出现。

这篇文章主要是对自相似的一个具体的证明。

对于图像中的每一个patch，用parzen窗概率密度估计 以dist为半径的区域Ndist中的密度

然后对具有相同梯度的patch计算了一个平均密度

最后计算在dist范围内，计算NN(最邻近neighbor个数 就是最相似patch的个数)

从两个公式中可以看出，密度 和 最临近neibor 都是关于梯度grad和 距离dist的函数

在这两个map中，红色代表高的值，蓝色代表低的值。

从密度图中可以观察到

①低梯度的平滑patch经常重复出现，密度大。而具有高梯度复杂结构的patch很少重复出现

②Patch倾向于在其邻近的位置重复出现，随着距离的增加密度逐渐减小。

从NN这个图可以观察到：

③对于固定数量的相似patch（NN = const），不同梯度大小的patch需要搜索不同距离的最近邻居。对于平滑的patch，只需要小的搜索距离，梯度越大，搜索区域就越大。 也就是说，最近邻居搜索的距离dist随着梯度大小成指数增长。

这是自相似性在自然图像中的证明。

 

在单张图像中应用自相似性除了计算量小。实验证明，内部统计数据通常比外部统计数据具有更强的预测能力，有能产生更强大的特定图像的先验。

但是，在单张图像中patch的重复出现是符合长尾分布的，平滑的patch出现的多。高梯度的patch出现的要少。因此，可能不能很好地捕捉单张图像统计信息的全部丰富信息。

 

这些讨论都是基于自然图像，对于人脸图像，对称的但是可能梯度分布和patch重复出现的规律不完全遵循自然图像