在几篇图像处理论文中，例如 Leo Grady 在Random Walks for Image Segmentation (2006) 中，图像强度的变化被转化为边缘权重。在某些领域，它被称为地理加权回归。这也适用于图，并且在例如非局部均值去噪算法中变得流行。一种流行的加权是高斯加权。引用 Grady（方程式 1，第 1772 页）：

在这项工作中，我们更喜欢（出于经验原因）典型的 高斯加权函数： 其中表示图像处的强度

$$w_{ij} = \exp{\left(-\beta(g_i-g_j)^2\right)}$$ $g_i$$i$

我的问题是：

• 这种典型的高斯加权最早/最权威的参考资料是什么？
• 由于高斯模型不被认为最适合结构化图像建模，因此对于例如近高斯双方函数，这种加权 的非平凡“经验”好处是什么？ $$w_{ij} = (1-\beta(g_i-g_j)^2)^2$$