数学
文章平均质量分 92
Jackery_Shh
技术狂!
展开
-
图像特征检测之Harris角点算法
图像检测是图像分割,图像识别的基础,也是不可缺少的关键。在视觉计算理论框架中,抽取二维图像的边缘、角点、纹理等基本特征,是整个框架的第一步;本文章对Harris角点算法做了比较详细的理论介绍以及相关实现。原创 2015-05-20 10:21:40 · 11827 阅读 · 1 评论 -
矩阵因式分解(LU矩阵分解)与GSL实现
矩阵的因式分解是把一个矩阵A表示为两个或更多个矩阵的乘积,是将复杂的数据进行分解,其中有多种方法,例如:LU分解,秩分解,QR分解,奇异值分解,谱分解等。这里主要介绍对LU分解的认识。根据参考的书籍,这里的LU分解只限于一系列具有相同系数矩阵的线性方程:Ax=b1, Ax=b2, … , Ax=bp (1)当A为可逆矩阵时,可计算A-1,然后计算A-1 b1,A-1 b2,原创 2015-06-24 17:16:26 · 5269 阅读 · 0 评论 -
数值分析--矩阵QR分解的三种方法
QR分解法是目前求一般矩阵全部特征值的最有效并广泛应用的方法,一般矩阵先经过正交相似变化成为Hessenberg矩阵,然后再应用QR方法求特征值和特征向量。它是将矩阵分解成一个正规正交矩阵Q与上三角形矩阵R,所以称为QR分解法,与此正规正交矩阵的通用符号Q有关。原创 2015-08-27 10:33:26 · 24486 阅读 · 0 评论 -
如何高效存储稀疏矩阵?
为了节省存储空间并且加快并行程序处理速度,需要对稀疏矩阵进行压缩存储,压缩存储的原则是:不重复存储相同元素;不存储零值元素。常用的几种矩阵的存储格式如下:COO,CSR,DIA,ELL,HYB等;稀疏矩阵是指矩阵中的元素大部分是0的矩阵,事实上,实际问题中大规模矩阵基本上都是稀疏矩阵,很多稀疏度在90%甚至99%以上。因此我们需要有高效的稀疏矩阵存储格式。本文总结几种典型的格式:COO,CSR,D原创 2015-08-12 01:04:15 · 9120 阅读 · 1 评论 -
Random Sample Consensus(RANSAC)算法介绍
转眼间2012年过了三个月了,最近在做目标跟踪,需要利用ransac算法进行图像匹配,使用Opencv+vs进行实现。终于初见成效啊,很激动也很兴奋,在这里mark一下,以备查用 !这里就不贴源码了,想想都是泪啊! RANSAC是“RANdom SAmple Consensus(随机抽样一致)”的缩写。它可以从一组包含“局外点”的观测数据集中,通过迭代方式估计数学模型的参数。它原创 2015-05-13 16:32:33 · 5879 阅读 · 1 评论