11.13 全局观察学习
人的全局观察就像拍一张图片一样的简单而且瞬间完成。然而人的全局观察和拍照片有本质区别:
(1)人的瞬间全局观察实际上已经完成了对一个场景的层谱抽象,识别出了各个抽象层谱有意义的实体与对象;
(2)拍照仅仅是完成了实物场景到一些像素的映射,而并没有实现对图片的理解。
由于人的全局观察和拍照的相似性。全局观察学习的实质是计算机对图像的理解,即算法完全自动地对一张图像的层谱抽象以识别图像中各个抽象层谱的实物对象。
学习的数学模型同样是对全局观察学习的数学模型,不同的是具体某些步骤的动作稍有区别。为完整起见,我描述一个图像分析的学习模型.
(1)(层谱抽象功能模块)假设一个图像的层谱抽象功能模块结构为 𝐾;
(2)(初始信息系统)根据图像相邻和相近位点的像素定义两点之间的交互分值,建立图像的初始信息系统 𝐴0 ;
(3)(生成策略)基于初始信息系统 𝐴0 生成一个不可约非负矩阵 𝐴;
(4)(解码策略)求解信息系统 𝐴 的编码树 𝑇,即层谱抽象策略 𝑇;
(5)(解码信息)度量解码策略 𝑇 从 𝐴 中解码的信息 𝒟𝑇(𝐴);
(6)(知识发现)如果解码信息 𝒟𝑇(𝐴) 适当大,那么存在解码器 𝐷 使得
𝐷(𝐴; 𝑇) = 𝐾,
即解码器 𝐷 从 𝐴 和 𝑇 解码出图像在各个抽象层谱的功能模块或实体对象。
图像分析模型提供了一个图像分析的数学原理,它用算法的方式实现了一个图像的自动理解,即图像的现实世界场景对象的层谱抽象理解。