利用矩阵的奇异值分解对物体进行形状复原 |
| |
引用本文: | 丁一.利用矩阵的奇异值分解对物体进行形状复原[J].中小企业管理与科技,2014(31):309-310. |
| |
作者姓名: | 丁一 |
| |
作者单位: | 无锡城市职业技术学院 |
| |
摘 要: | 奇异值分解法(singular value decomposition)是一种矩阵的分解方法,图像矩阵的奇异值(Singular Value)及其特征空间反映了图像中的不同成分和特征。奇异值分解(Singular Value Decomposition,SVD)是一种基于特征向量的矩阵变换方法。本文利用该方法利用某物体的数枚数字图像获得该物体的形状信息,也就是利用数字图像的灰度值来获得物体的法线向量矩阵。而且,利用具体的实验验证了该方法的可靠性。
|
关 键 词: | 奇异值分解 形状复原 法线向量矩阵 |
本文献已被 维普 等数据库收录! |
|