循序漸進之（九）圖像復原之其餘濾波
1.圖像復原中包括逆濾波，維納濾波，最小二乘濾波，幾何濾波。體現在公式上爲分母的多樣選擇性。
SECB(Slow Evolution of Continuation Boundary)（延拓邊界緩慢演化濾波）復原方法：
2.最小均方誤差與最小二乘的原理比較：【轉】LS和MMSE的區別。
ls 是誤差平方和最小，mmse是誤差平方和均值最小。它們的準則是不同的，一個是統計意義,一個是確定意義的。雖然統計意義的量實際也要用樣本來計算，但是也不能說他們是等價的吧。
MMSE要到相關矩陣(雖然也要用樣本來計算)，但是LS中卻沒有統計相關量的影子。
更具體的說，如果觀測到的含噪結果Y是待估計參數X的一個函數：F(X)=Y。MMSE準則是基於最小化E{(X'-X)^H*(X'-X)}來計算估計值X'的；而least squares是選擇X'而令Y-F(X')的二乘和最小。
所以我們看到，這裏考慮誤差的對象是完全不一樣的（且不論誤差定義的不同）：MMSE考慮的是estimator的誤差，而LS考慮的是觀測量的誤差。在這樣的情況下，MMSE估計必須要知道條件概率P(X|Y)，通常情況下即X和噪聲的分佈。而LS估計因爲只着眼於觀測量，則完全沒有這樣的限制。這裏我們看到，如果討論estimator是否最優，必須考慮到各estimator所具有的先驗信息（MMSE要求知道函數F的形式，以及X和噪聲分佈；LS僅要求知道函數F）。
考慮一個最簡單的Y=AX+V模型在LMMSE準則和LS準則下的估計，這裏V是零均值高斯白噪聲（因此LMMSE和MMSE等價）。此時，LMMSE給出X'=inv[inv(R_x)+(A^H)*inv(R_v)*A]*(A^H)*inv(R_v)*Y；而LS給出X'=inv[(A^H)*A]*(A^H)*Y。顯然僅在噪聲的譜密度趨近爲零的時候，兩個estimator纔可能等價。