0
点赞
收藏
分享

微信扫一扫

机器学习中的算子


1.拉普拉斯算子核的推导:

  拉普拉斯算子广泛应用在视频处理的增强和锐化过程当中,根据百度百科中的提法,拉普拉斯算子(Laplace Operator)是n维欧 几里德空间中的一个二阶微分算子,定义为梯度(▽f)的散度(▽·f).

  如果f是二阶可微的实函数,则f的拉普拉斯算子定义为

机器学习中的算子_机器学习

f的拉普拉斯算子也是笛卡尔坐标系𝑥𝑖中的所有非混合二阶偏导数:

机器学习中的算子_数字电路_02

对于图像等二维空间上,是针对每个自变量的二阶非混合偏导数之和.

机器学习中的算子_数字电路_03

在机器学习中,使用数字电路进行图像处理,需要计算上述公式的离散版本,推导如下:

设空间二元函数

 𝑧=𝑓(𝑥,𝑦)

则首先算出对x的一阶偏导数离散化形式:

机器学习中的算子_拉普拉斯算子_04

同理

机器学习中的算子_机器学习_05

然后,在一阶导数的基础上,进一步对同元求二阶导数:

继续对x求导:

机器学习中的算子_机器学习_06

继续对y求导:

机器学习中的算子_数字电路_07

所以, laplace算子为:

机器学习中的算子_拉普拉斯算子_08

化作卷积核的形式:

机器学习中的算子_拉普拉斯算子_09

QED!

举报

相关推荐

0 条评论