1. 分級塊匹配運動估計及可信度驗證
對低解析度影象進行高斯濾波（消除噪點的影響），然後在濾波後的影象上估計出整數值位移量（相當於採用大影象塊來估計大位移量），並以這個位移量估計值作為下一級匹配的初始值。接下來，採用雙線性插值法對低解析度影象進行取樣，並對上取樣影象進行高斯濾波（消除雙線性插值法造成的資料不平穩性），然後在濾波後的影象上繼續進行塊匹配，獲得亞畫素精度的運動向量。這樣經過逐級上取樣、高斯濾波和塊匹配，可以獲得要求的匹配精度。
2. 凸集投影演算法原理
演算法要求在乙個向量空間內定義一些閉合的凸形約束集合，實際的高解析度影象就包含在這些約束集合中。高解析度影象的乙個估計定義為這些約束集合的交集內的一點。把任意乙個初始估計向這些約束集合進行投影，就可以獲得這樣的高解析度估計影象。
3. 凸集投影演算法執行過程：y(l
)(i,
j)雙線性插值到高解析度網格上；
b) 採用高斯函式對插值放大後的低解析度影象進行平滑處理；
c) 估計插值後的低解析度幀與參考幀之間的運動。
3) 如果點 (i
,j) 處的運動估計是準確的，則可以定義集合 g(
l)(i
,j) ,並計算該點處的模糊函式 a(
l,k)
(r,s
;i,j
) 4) 選擇一副插值後的影象，經過運動補償後作為初始估計 z^
(k)0
(r,s
) 。採用類似方法對其他低解析度影象進行運動補償，並以此估計z^
(k)0
(r,s
) 的邊緣。
5) 對定義過約束集合 g(
l)(i
,j) 的所有點(i
,j) ，進行一下運算：
a) 計算殘餘項rl
t(i,
j)；
b) 採用投影運算元 p(
l)(i
,j) 進行殘餘項 rl
t(i,
j)的反投影運算。
6) 利用幅度約束投影運算元進行幅度約束。
7) 如果滿足停止準則，則停止迭代過程，否則轉到步驟6.
《凸優化》筆記（一） 凸集
筆記是根據 convex optimization 寫的，對應第2章。2 凸集 2.1 凸集 convex sets 如果在集合cc中的任意兩點滿足 x1 1 x2 c x1 1 x2 c 其中0 10 1，則集合cc為凸集 2.2 重要例子 1 超平面與半空間 hyperplanes and ha...
凸優化（一）仿射集與凸集
從這裡開始，為了複習所學知識，也是為了更加深刻地 優化理論中的相關知識，所以將凸優化中的基礎概念做乙個整理，然後形成乙個凸優化系列隨筆。本系列將涉及部分數學推導，強調理論性，所以按需閱讀 能不能通俗地表達出來我就不知道了 凸優化問題通俗地講，是一種優化問題，而且是一種簡單的優化問題 因為生活中大部分...
31 幾何演算法 點集的凸包
extern c class algorithmlib convexhull convexhull convexhull convexhull convexhull datastruct stack dynstack convexhull run const datastruct array dyn...