估計是計算機視覺中常見的問題硅则，如已知一些測量量（圖像冒掌、特征位置等）噪裕，估計出一些未知的結(jié)構(gòu)或參數(shù)（攝像機位置、物體形狀等）的值股毫，這類問題稱為“逆問題”膳音。計算機圖形學(xué)就是一個典型的正向建模問題（已知一些物體、攝像機铃诬、光照祭陷，模擬出這些條件下產(chǎn)生的圖像），計算機視覺則通常是它的逆問題趣席。
對于求解逆問題兵志，我們很多時候可以得到數(shù)學(xué)的解析解，但是事實是宣肚，觀測不可能是完全無噪聲的想罕，一般而言，除非我們對可能的誤差來源建立了模型霉涨，并且設(shè)計了一個在這些假設(shè)的誤差影響下也能工作的足夠好的算法按价，否則我們無法確定我們得到的是否是一個合理的算法。
B.1 估計理論
最簡單的假設(shè)條件：
- 每個噪聲因素ni都是一個零均值的正態(tài)（高斯）隨機變量
- 噪聲向量ni是相互獨立的
多高斯噪聲變量的似然度
在給定x特定值的情況下觀察到測量結(jié)果{yi}的似然度可以寫為
通常笙瑟，使用似然度的負對數(shù)會更方便一點楼镐，可將其看作一種能量
B. 2 最大似然估計與最小二乘
當(dāng)?shù)玫剿迫欢群蛯?shù)似然度函數(shù)后，
B. 3 魯棒統(tǒng)計學(xué)
在大部分情況下逮走，測量要受到更大的外點（異常點）的污染鸠蚪。
這種情況下，使用長尾部的污染誤差模型會更合理师溅，為了反映出現(xiàn)嚴重錯誤的似然度的增大茅信，要對懲罰函數(shù)的余項使用一個魯棒損失函數(shù)p（r）
B. 4 先驗?zāi)Ｐ团c貝葉斯推斷
可以假設(shè)先驗分布模型去簡化求解最大似然估計的方法，
B. 5 馬爾科夫隨機場
馬爾科夫隨機場是最流行的使用于網(wǎng)格狀墓臭、類似于圖像的數(shù)據(jù)的先驗?zāi)Ｐ汀?br>
B 5.1 梯度下降于模擬退火
B 5.2 動態(tài)規(guī)劃
動態(tài)規(guī)劃是一種適用于任何具有樹狀結(jié)構(gòu)的圖模型的高效推斷算法蘸鲸，即沒有任何環(huán)的圖模型。
B 5.3 置信傳播
B 5.4 圖割
B 5.5 線性規(guī)劃
B. 6 不確定性估計
PS：這部分知識總結(jié)的不到位窿锉，以后再來繼續(xù)總結(jié)
