memp
二维的PSF可近似为一个高斯函数:
(1)
f
(
x
,
y
)
=
1
2
π
σ
2
∗
exp
−
(
x
2
+
y
2
)
/
2
σ
2
f(x,y)=\frac{1}{2\pi\sigma^2}*\exp^{-\frac{(x^2+y^2)/2}{\sigma^2}} \tag{1}
f(x,y)=2πσ21∗exp−σ2(x2+y2)/2(1)
探测器成像可以表示为:
ci是某一点的强度;
(2)
S
(
u
,
v
)
=
∬
−
∞
∞
s
(
x
,
y
)
e
x
p
−
j
2
π
(
x
u
+
y
v
)
d
x
d
y
,
=
F
(
u
,
v
)
∑
i
=
1
I
c
i
e
x
p
−
j
2
π
(
x
i
u
+
y
i
v
)
S(u,v) = \iint_{-\infty}^{\infty}s(x,y)exp^{-j2\pi(xu+yv)}dxdy,\tag{2} \\=F(u,v)\sum_{i=1}^{I}c_iexp^{-j2\pi(x_iu+y_iv)}
S(u,v)=∬−∞∞s(x,y)exp−j2π(xu+yv)dxdy,=F(u,v)i=1∑Iciexp−j2π(xiu+yiv)(2)
F
(
u
,
v
)
F(u,v)
F(u,v)是
f
(
x
,
y
)
f(x,y)
f(x,y)的连续傅里叶变换
探测器是一个M×N的像素矩阵,s(m,n)代表了这个坐标为[m,n]的像素内的积分强度。
A是此像素的面积;
s[m,n]的DFT为:
矩阵分解
定义:若A的rank是r,则存在B,C ,rankB = rankC =r,使得A = BC,则称A = BC是A的满秩分解
定理:任意非零矩阵必存在满秩分解,但其满秩分解不是唯一的。
奇异值分解
知乎这篇基本概念讲的很清楚.
对角化定理
若A是一个方阵,由特征值定理可得:
A
U
=
Λ
U
−
1
AU = \Lambda U^{-1}
AU=ΛU−1
则A的对角化分解可以写成:
A
=
U
Λ
U
−
1
=
(
u
1
⃗
,
u
2
⃗
,
.
.
.
,
u
n
⃗
)
[
λ
1
.
.
.
0
⋮
⋱
⋮
0
.
.
.
λ
m
]
(
u
1
⃗
,
u
2
⃗
,
.
.
.
,
u
n
⃗
)
−
1
A = U\Lambda U^{-1} = (\vec{u_1},\vec{u_2},...,\vec{u_n}) \left[ \begin{matrix} \lambda_1 & ... &0 \\ \vdots &\ddots& \vdots \\ 0&...&\lambda_m \end{matrix} \right] (\vec{u_1},\vec{u_2},...,\vec{u_n})^{-1}
A=UΛU−1=(u1,u2,...,un)⎣⎢⎡λ1⋮0...⋱...0⋮λm⎦⎥⎤(u1,u2,...,un)−1
其中,
u
i
⃗
\vec{u_i}
ui是特征向量
相似对角化
当A是一个对称阵的时候,
A
=
Q
Λ
Q
−
T
A = Q\Lambda Q^{-T}
A=QΛQ−T
奇异值分解
随意一个矩阵
A
A
A不一定是对称阵,但
A
A
T
AA^{T}
AAT和
A
T
A
A^TA
ATA则必是对称阵。
故
A
A
T
=
P
Λ
1
P
T
AA^T=P\Lambda_1 P^T
AAT=PΛ1PT,
A
T
A
=
Q
Λ
2
Q
T
A^TA=Q\Lambda_2 Q^T
ATA=QΛ2QT,则A的奇异值分解为:
A
=
P
Σ
Q
T
A=P\Sigma Q^T
A=PΣQT
广义逆矩阵
也被称为:伪逆矩阵(Moore–Penrose pseudoinverse)
是对逆矩阵的一种补充.
核范数
rank:非零奇异值的个数
核范数:奇异值的和
rank是非凸的,核范数
∣
∣
w
∣
∣
∗
||w||_*
∣∣w∣∣∗能凸近似rank,就像L1近似L0
负数求余
- n = k ∗ q + r , m o d ( n , q ) = r n=k*q+r,mod(n,q)=r n=k∗q+r,mod(n,q)=r
- 尽可能是商k小,同时满足
0
<
=
r
<
q
0<=r<q
0<=r<q
比如:
m o d ( − 0.25 , 1 ) = 0.75 mod(-0.25,1)=0.75 mod(−0.25,1)=0.75
− 0.25 = − 1 ∗ 1 + 0.75 -0.25=-1*1+0.75 −0.25=−1∗1+0.75
张量积Kronecker tensor product
discrete setup
w
w
w物平面坐标,
v
v
v像平面坐标,
夫琅和费近似:
h
h
h代表PSF,
方形的傅里叶变换
截止频率
离散信号非零的元素不妨称之为:spikes
#参考链接
https://blog.csdn.net/bendanban/article/details/44221279
https://www.bogotobogo.com/Matlab/Matlab_Tutorial_DFT_Discrete_Fourier_Transform.php
http://huisblog.cn/2017/05/25/dft/