Seven

窄带法最初由 D. Chop提出， Adalsteinsson 和 Sethian给出了详细的实现方法。基本思想是只演化位于零水平集周围很窄的一个带状区域水平集函数的值，而无需计算整个搜索空间中每一点的水平集函数值，以此来提高水平集方法的计算效率。如图 3-1所示，黑色的粗实线是当前的零水平集，两条细实线所包围的区域称为窄带区，更新水平集函数的时候，只对窄带区内部的网格点（图中黑色实心点，我们称之

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声。高斯滤波的过程其实就是对整幅图像进行加权平均操作的过程。 原理：用一个大小为（2*N+1）的模板（或称卷积核、掩模）依次扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度替代模板中心像素点的灰度值。 二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的．一般来说，一幅图像的边缘方向是事先不知道的，因此，在滤波前是无

高斯混合模型GMM是一个非常基础并且应用很广的模型。对于它的透彻理解非常重要。网上的关于GMM的大多资料介绍都是大段公式，而且符号表述不太清楚，或者文笔非常生硬。本文尝试用通俗的语言全面介绍一下GMM，不足之处还望各位指正。 首先给出GMM的定义 这里引用李航老师《统计学习方法》上的定义，如下图： 定义很好理解，高斯混合模型是一种混合模型，混合的基本分布是高斯分布而已。

双边滤波器是什么？ 双边滤波（Bilateral filter）是一种可以保边去噪的滤波器。之所以可以达到此去噪效果，是因为滤波器是由两个函数构成。一个函数是由几何空间距离决定滤波器系数。另一个由像素差值决定滤波器系数。可以与其相比较的两个filter：高斯低通滤波器(http://en.wikipedia.org/wiki/Gaussian_filter)和α-截尾均值滤波器（去掉百分率为

本博客主要翻译了Yuri Boykov and Vladimir Kolmogorov在2004年发表的改进最大流最小割算法用于计算机视觉的论文：An Experimental Comparison of Min-Cut/Max-Flow Algorithms for Energy Minimization in Vision 内容上参考了（好吧，我承认就是无耻的抄袭）博客：CV |