คำถามติดแท็ก linear-algebra

คำถามนี้ถูกโยกย้ายจาก Stack Overflow เนื่องจากสามารถตอบได้ในการประมวลผลสัญญาณ Stack Exchange อพยพ 7 ปีที่ผ่านมา นี่คือนิพจน์ทางคณิตศาสตร์สำหรับการตรวจจับมุมของแฮร์ริส: แต่ฉันมีข้อสงสัยดังต่อไปนี้: ความสำคัญทางกายภาพของและคืออะไร? อ้างอิงหลายคนบอกว่ามันเป็นเรื่องสำคัญโดยที่หน้าต่างขยับ หน้าต่างเลื่อนไปเท่าไหร่ หนึ่งพิกเซลหรือสองพิกเซลuuuvvvwww ผลรวมของตำแหน่งพิกเซลครอบคลุมโดยหน้าต่างหรือไม่ สมมติว่า ,คือความเข้มของพิกเซลเดียวที่หรือผลรวมของความเข้มภายในหน้าต่างด้วยจุดศูนย์กลางที่ ?w(x,y)=1w(x,y)=1w(x,y) = 1I(x,y)I(x,y)I(x,y)(x,y)(x,y)(x,y)(x,y)(x,y)(x,y) ตามที่วิกิพวกเขาบอกว่าภาพเป็น 2 มิติแสดงโดยฉันแล้วขอให้พิจารณาการปะภาพเหนือพื้นที่จากนั้นใช้สัญกรณ์(x,y)(x,y)(x,y)I(x,y)I(x,y)I(x,y) ฉันพบว่ามันสับสนที่จะเข้าใจคำอธิบายทางคณิตศาสตร์ ใครมีความคิด?

23 image-processing  opencv  linear-algebra 

ฉันพยายามที่จะทำซ้ำความคิดจากหน้า Eigenfaceในวิกิพีเดีย จากภาพตัวอย่างร้อยภาพที่แสดงโดยเมทริกซ์ข้อมูล (ซึ่งภาพแต่ละภาพแบนไปเป็นเวกเตอร์ที่มีความยาวnดังนั้นXคือ100XX\bf XnnnXX\bf X100100100เมทริกซ์คูณ ) ฉันได้คำนวณการสลายตัวของ SVD:nnn X=UΣVTX=UΣVT\begin{equation} \bf X = U \Sigma V^{T} \end{equation} ด้วยเหตุนี้: XXT=UΣ2UTXXT=UΣ2UT\begin{equation} \bf X X^{T} = U \Sigma^2 U^{T} \end{equation} โดยการย่อยของที่ใหญ่ที่สุด eigenmodes ฉันสามารถใกล้เคียงกับเมทริกซ์ (ขอσ 1 ≥ σ 2 ≥ ⋯ ):qqqσ1≥σ2≥⋯σ1≥σ2≥⋯\sigma_1 \ge \sigma_2 \ge \cdots X≈σ1u1vT1+σ2u2vT2+⋯+σquqvTqX≈σ1u1v1T+σ2u2v2T+⋯+σquqvqT\begin{equation} {\bf X} \approx \sigma_1 u_1 v_1^{T} + …

16 computer-vision  linear-systems  linear-algebra 

ต้องการปรับปรุงโพสต์นี้หรือไม่? ให้คำตอบโดยละเอียดสำหรับคำถามนี้รวมถึงการอ้างอิงและคำอธิบายว่าทำไมคำตอบของคุณถึงถูกต้อง คำตอบที่ไม่มีรายละเอียดเพียงพออาจแก้ไขหรือลบออกได้ ฉันใหม่โดยสิ้นเชิงกับตัวกรองคาลมาน ฉันมีหลักสูตรพื้นฐานเกี่ยวกับความน่าจะเป็นแบบมีเงื่อนไขและพีชคณิตเชิงเส้น มีคนแนะนำหนังสือดี ๆ หรือแหล่งข้อมูลใด ๆ บนเว็บที่สามารถช่วยฉันให้เข้าใจการทำงานของตัวกรองคาลมานได้หรือไม่? เว็บไซต์ส่วนใหญ่เริ่มต้นโดยตรงกับสูตรและสิ่งที่พวกเขาหมายถึง แต่ฉันสนใจที่มาของมันหรือถ้าไม่ได้รายละเอียดมาอย่างน้อยความสำคัญทางกายภาพของการดำเนินงานและพารามิเตอร์

12 kalman-filters  statistics  linear-algebra 

สมมติว่ามีเวกเตอร์ DFT XX\mathbf{X} ด้วยความยาว N ซึ่งนำเสนอสมมาตรคอนจูเกตที่ซับซ้อนรอบจุดกึ่งกลางนั่นคือ X(1)=X(N−1)∗X(1)=X(N−1)∗X(1) = X(N-1)^*, X( 2 ) = X( N- 2)* * * *X(2)=X(ยังไม่มีข้อความ-2)* * * *X(2) = X(N - 2)^* และอื่น ๆ X( 0 )X(0)X(0) และ X( N/ 2)X(ยังไม่มีข้อความ/2)X(N/2)คือความถี่ DC และ Nyquist ตามลำดับดังนั้นจึงเป็นจำนวนจริง องค์ประกอบที่เหลือมีความซับซ้อน ทีนี้สมมติว่ามีเมทริกซ์ TT\mathbf{T}มีขนาด ยังไม่มีข้อความ× Nยังไม่มีข้อความ×ยังไม่มีข้อความN \times Nซึ่งคูณเวกเตอร์ X Y = T …

10 dft  equalization  linear-algebra