【数学原理】Hessian Matrix

机器感知

一个专注于SLAM、机器视觉、Linux 等相关技术文章分享的公众号

在工程实际问题的优化设计中，所列的目标函数往往很复杂，为了使问题简化，常常将目标函数在某点邻域展开成泰勒多项式来逼近原函数。

二元函数的黑塞矩阵

由高等数学知识可知，若一元函数在点的某个邻域内具有任意阶导数，则在点处的泰勒展开式为：

，其中，。二元函数在

点处的泰勒展开式为：

其中，。将上述展开式写成矩阵形式，则有：

即：其中：

是在点处的黑塞矩阵。它是由函数在点处的二阶偏导数所组成的方阵。

多元函数的黑塞矩阵

将二元函数的泰勒展开式推广到多元函数，则在点处的泰勒展开式的矩阵形式为：

其中：
       （1），它是在点处的梯度。

       （2）为函数在点处的黑塞矩阵。

黑塞矩阵是由目标函数在点X处的二阶偏导数组成的阶对称矩阵。

利用黑塞矩阵判定多元函数的极值

定理

设n多元实函数在点的邻域内有二阶连续偏导，若有：

并且则有如下结果：

（1）当A正定矩阵时，在处是极小值；

（2）当A负定矩阵时，在处是极大值；

（3）当A不定矩阵时，不是极值点。

（4）当A为半正定矩阵或半负定矩阵时，是“可疑”极值点，尚需要利用其他方法来判定。

实例

求三元函数的极值。

解：因为，故该三元函数的驻点是。又因为，故有：因为A是正定矩阵，故是极小值点，且极小值。

如何理解矩阵特征值和特征向量？：马同学

Hessian矩阵以及在图像中的应用：Hessian矩阵以及在图像中的应用_海森矩阵在边缘检测中的应用-CSDN博客

海森矩阵（Hessian Matrix）及一个用例（图像增强）：【图像处理】海森矩阵（Hessian Matrix）及一个用例（图像增强）_图像与矩阵-CSDN博客

opencv3.2 SURF实现特征点匹配：opencv3.2 SURF实现特征点匹配_matcher->match(descriptors[i], descriptors[j], mat-CSDN博客

QT creator+OpenCV2.4.2+MinGW 在windows下开发环境配置：
                                                        https://www.cnblogs.com/liu-jun/archive/2012/09/26/Jacky_Liu.html

OpenCV 3.1.0 + opencv_contrib编译（Windows）：【OpenCV】OpenCV 3.1.0 + opencv_contrib编译（Windows）_opencv 3.1.0 编译-CSDN博客

qt5（mingw版） opencv3.0（含contrib扩展）配置详解：qt5（mingw版） opencv3.0（含contrib扩展）配置详解_opencv3 qt5 配置-CSDN博客