46、MLSEB：基于移动最小二乘法近似的边捆绑算法

MLSEB：基于移动最小二乘法近似的边捆绑算法

1. 算法实现

MLSEB 方法的实现涉及简单的数据结构和计算，易于实现。具体步骤如下：
1. 边采样 ：对输入图的边进行采样，采用与 KDEEB 相同的方案，以均匀步长 ρ 对输入边进行采样。
2. 邻域收集 ：该方法中最耗时的步骤是为每个站点收集邻域。在 GPU 实现中，使用均匀网格将空间划分为大小均匀的单元格，将单元格大小设置为 23r（r 为规定半径或带宽），这样每个站点的搜索空间最多覆盖 9 个网格单元，避免了 O(S²) 的搜索时间。
3. 站点投影 ：在每次迭代开始时，根据站点的当前位置将其放入相应的单元格中，这可以使用 CUDA 在 GPU 上轻松并行化。然后，将每个站点投影到其局部回归线上，计算方程 9 的系数只需要常数时间，并且由于每个站点的新投影位置计算是独立的，因此也可以使用 GPU 并行化。
4. 可视化增强 ：为了增强捆绑图的可视化效果，使用与 CUBu 相同的着色器方案，采用 HSVA 颜色表示法来可视化边。将边的方向和长度分别编码到 H 和 S 中，V 和 A 使用抛物线轮廓函数。

复杂度分析

MLSEB 方法的复杂度与传统的基于 KDE 的方法相同，为 O(I · N · S)，其中 I 是图像分辨率，N 是捆绑迭代次数，S 是采样点数。但 MLSEB 不需要现有基于 KDE 的方法中使用的额外操作，如重采样。

参数选择

• 采样步长