25、计算机视觉中的松弛与动态规划算法：能量最小化的有效途径

计算机视觉中的松弛与动态规划算法：能量最小化的有效途径

在计算机视觉领域，能量最小化是解决诸多问题的关键，如立体匹配、图像分割等。为了实现能量最小化，研究者们提出了多种算法，其中松弛算法和动态规划算法尤为重要。本文将深入探讨这两种算法的架构、特点以及应用。

1. 松弛机器架构及状态内存

在计算机视觉中，松弛操作的架构设计至关重要。我们已经推导出了具有松弛操作主要特性的各种架构，其中包括 RE 和 FRE 机器。这些机器在计算方向上有所不同，RE 机器是高斯 - 赛德尔（Gauss - Seidel）和雅可比（Jacobi）方法的统一概念，而 FRE 机器则是一个相对不同的概念，其极端情况也是雅可比机器。

1.1 状态内存的选择

对于快速松弛机器（FRE）的状态内存，有随机存取存储器（RAM）和队列（queue）两种选择。在 RAM 中，地址移动而内容保持在同一位置；在队列中，地址固定而内容会移动。通常，队列更适合 FRE 机器。

1.2 不同窗口的邻域值计算

以不同大小的窗口为例，其邻域值的计算方式各有特点：
- 1×1 窗口 ：若使用队列，内存是一个具有 3N′T 个节点的长方体。邻域像素位于内存的五个不同位置，邻域值定义为：
$f(N(A(x, y, t))) = {f(x, y, t - 1), f(x, y - 1, t - 1), f(x - 2, y - 1, t - 1), f(x - 1, y, t - 1), f(x - 1, y - 2, t - 1)}$
- 2×1 窗口 ：两个节点独立