Computer vision 结构张量矩阵的本征值表示什么?
众所周知,如果条件允许,可以正确确定两幅图像的良好特征点Computer vision 结构张量矩阵的本征值表示什么?,computer-vision,Computer Vision,众所周知,如果条件允许,可以正确确定两幅图像的良好特征点 上述矩阵的两个特征值,均大于0。有人能解释一下,两个特征值都大于0意味着什么?如果其中任何一个近似等于0,为什么特征点不好。请注意,该矩阵始终具有非负特征值。基本上,这条规则说人们应该支持在所有方向上的快速变化,也就是说,角点比边或平面更好 最大特征值对应于在点u处指向图像中最显著变化方向的特征向量 如果两个特征值很小,则点u处的图像变化不大 如果一个特征向量较大,另一个特征向量较小,则该点可能位于图像中的某条边上,但很难确定该边上的
上述矩阵的两个特征值,均大于0。有人能解释一下,两个特征值都大于0意味着什么?如果其中任何一个近似等于0,为什么特征点不好。请注意,该矩阵始终具有非负特征值。基本上,这条规则说人们应该支持在所有方向上的快速变化,也就是说,角点比边或平面更好 最大特征值对应于在点u处指向图像中最显著变化方向的特征向量
- 如果两个特征值很小,则点u处的图像变化不大
- 如果一个特征向量较大,另一个特征向量较小,则该点可能位于图像中的某条边上,但很难确定该边上的确切位置
- 如果两者都很大,则该点就像一个角
编辑图像导数矩阵在本图中表示为H,可能是因为它与的关系,这与Thomasi Shi“跟踪的良好特征”一文中的纹理概念有关 纹理的概念是提供纹理等级,以使特征(在窗口内)可识别且独特。例如,线条不是很好的特征,因为它们不是唯一的(见图3.9a) 要求解光流方程,必须可以将J()倒置。在实践中,必须满足以下条件:
趋势。计算机。图表Vis.,2(1):1–104,2006年1月。这个问题似乎离题了,因为它是关于数学的。可以将这个问题转移到吗?也可以查看我的答案