23、计算机视觉中的图模型应用与推理

计算机视觉中的图模型应用与推理

一、链和树模型的应用

1.1 立体视觉

在立体视觉中，不同模型的表现差异显著。独立像素模型、独立扫描线模型和基于树的模型各有特点。Veksler（2005）提出的基于树的模型解决了网格模型中存在的环带来的MAP推理难题。具体操作步骤如下：
1. 修剪全网格模型 ：将全网格模型修剪成树结构。每个边都有一个成本特征，如果相关像素靠近图像中的大变化，成本会增加。
2. 计算最小生成树 ：使用标准方法（如Prim算法）计算最小生成树，该树倾向于保留最需要的区域中的边。

基于树的模型的MAP推理结果在两个方向上都是分段平滑的，明显优于独立像素模型或独立扫描线方法。以下是不同模型的对比表格：
| 模型类型 | 特点 | 推理效果 |
| ---- | ---- | ---- |
| 独立像素模型 | 像素独立处理 | 效果较差 |
| 独立扫描线模型 | 按扫描线处理 | 有一定局限性 |
| 基于树的模型 | 修剪成树结构 | 分段平滑，效果较好 |

1.2 图像结构模型

1.2.1 面部特征定位

图像结构模型用于对象类，例如面部模型。该模型由多个部分（如鼻子、眼睛和嘴巴）通过类似弹簧的连接组成。Felzenszwalb和Huttenlocher（2005）指出，如果部分之间的连接采用无环图（树）的形式，则可以在多项式时间内将其拟合到图像中。具体步骤如下：
1. 定义似然 ：简单系统可以为每个部分