区域协方差矩阵

1.1. 区域协方差特征的描述
假定 I 表示一幅灰度图像或彩色图像，图像中的目标区域为 R，其大小为 M×N，每像素点生成一个 d 维的特征向量hk。其中 M 和 N 分别表示目标区域的宽度和高度，hk 为对目标区域中某一点像素的描述，它的元素可以是像素的空间位置信息、亮度、颜色、梯度等等，还可以是该像素对各种滤波器的响应值。特征向量的选择可以根据实际应用的需要来确定。一幅彩色图像中典型的 hk 可以如下表示：
hk=[x,y,R(x,y),G(x,y),B(x,y),…] （1）
式(1)中：(x,y)为像素点的坐标；R(x,y)、G(x,y)、B(x,y)为对应像素点(x,y)的 RGB 颜色值。目标区域 R 的协方差矩阵 CR 可以表示为

 

式(2)中： 。
协方差矩阵 CR 是一个d×d 的实对称正定矩阵，协方差矩阵 CR 中对角线上的值表示每个独立的特征量，而非对角线上的值表示特征之间的相关量，CR 的大小仅仅取决于选取的特征向量的维数 d，而与目标区域的大小 M×N 无关。由于协方差矩阵 CR 不再表征区域 R 中特征数据的顺序与个数(破坏了像素间的结构特征信息)，因此当目标发生形变、旋转等情况下算法也有很好的鲁棒性。同时，由于计算协方差
时减去了特征数据的均值，所以协方差特征矩阵对光照的变化也具有不敏感的特性。1.2 协方差矩阵距离的度量
比较两个矩阵是一个经典问题。由于协方差矩阵在传统的欧氏空间运算的不封闭性，因此不能在欧氏空间对协方差矩阵之间的距离进行度量。本文采用在文献[4]中提出的协方差矩阵之间距离的度量算法，该距离描述了两个协方差矩阵之间的相似性，值越小表示两个协方差矩阵越相似，反之，则表示其相似度越小。特殊地，当距离为零时，表示两个协方差矩阵相等。
假设 C1，C2 都是正定的实对称距阵，C1 和 C2 之间的距离可表示为：
（3）
其中{λi(C1,C2)}i=1,…,d 是 C1 和 C2 组成的特征方程(式 3
所表示)的特征值，
│λiC1-C2│=0 i=1,…,d （4）
对于正定对称阵 C1 和 C2，距离指标 ρ 有如下性质：
（1）正定性：ρ(C1,C2)≥0，当且仅当 C1=C2 时，有 ρ(C1,
C2)=0；
（2）对称性：ρ(C1,C2)=ρ(C2,C1)；
（3）三角不等性：ρ(C1,C2)+ρ(C1,C3)≥ρ(C2,C3)

 

参考文献：基于区域协方差矩阵的模板更新方法分析与比较

提出者：Region covariance A fast descriptor for detection and classification ECCV2006.pdf