我正在学习“Harris Corner Detector”算法, 并且坚持这里为什么哈里斯矩阵是正半正定的。
由于哈里斯矩阵的迹线是正的,所以我可以告诉哈里斯矩阵的两个特征值都是正的,或者是一个正的,一个是负的。
那么,如何推导Harris矩阵是正半正定的?
答案 0 :(得分:1)
在Harris角点检测器的计算中生成的矩阵是结构张量(see here on Wikipedia)。结构张量M
是由梯度域g
的外积与自身创建的矩阵:
g = gradient( image );
M = smooth( g * g' );
(应用smooth
局部平滑处理。)
没有任何平滑,g * g'
总是会有一个正特征值和一个0特征值,通过构造。您可以通过写出结果矩阵的行列式来看到这一点,该矩阵始终为0,这意味着其中一个特征值必须为0(它们的乘积是行列式)。另一个必须是正数,因为迹线是两个正方形的总和;由于一个特征值为0,另一个特征值必须等于迹线。
局部平滑将几个这样的矩阵(加权加法)加在一起。将正半正定矩阵leads to a positive-semi-definite matrix加在一起:v'*A*v>=0
和v'*B*v>=0
,然后v'*(A+B)*v>=0
。