Jacobian相当于一阶导数,Hessian相当于二阶导数。 一维函数的导数的motivation是很明显的。二阶导数的零点就是一阶导数的极值点。 对于很多应用,我们不仅关心一阶导数的零点(也就是函数的极值点),也关心一阶导数的极值点,比如信号处理中,信号的一阶导数的极值点反映信号变化的最剧烈程度。极值点寻求在编程时不方便,不如找二阶导数的零点。
Jacobian对于标量函数f: Rn-> R1,实际是个向量,这个向量实际上就是函数的梯度gradient。gradient根据Cauchy-Swartz公式,指向的是在某处方向导数取极大值的方向。在二维图像处理中,可用gradient来检测灰度值的边缘。
矩阵 Hessian
最新推荐文章于 2023-05-23 10:06:00 发布
本文介绍了Hessian矩阵在图像处理中的应用,如线条中心提取和角点检测。Hessian矩阵用于描述图像的二阶导数,其最大特征值对应线条的法线方向。同时,文章提及矩阵在数学中的作用,特别是线性变换的描述,并讨论了矩阵的相似性和在正交分解、傅里叶变换中的意义。
摘要由CSDN通过智能技术生成