利用矩阵的奇异值分解对物体进行形状复原

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。