设计精美的宽基线双目相机镇文

Moersi lilun
莫尔斯理论(卷名:数学)

Morse theory

  微分拓扑的一个重要分支。通常是指两部分内容:一部分是微分流形上可微函数的莫尔斯理论,即临界点理论;另一部分是变分问题的莫尔斯理论,即大范围变分法。确切地说,假设ƒn维微分流形M上的实值可微函数,ƒ的临界点p是指梯度向量场gradƒ的零点,即在局部坐标下使得的点。ƒ的全部临界点的性态与流形M本身的拓扑结构有密切的关系,探索这些关系就是临界点理论的主要任务。例如,著名的莫尔斯不等式就是这样一种关系:


                ……


                ……

)的秩,MkM上非退化函数ƒ的指数为k的临界点的个数。这里说ƒ是非退化函数,是指ƒ的任何临界点p均非退化,即在局部坐标下ƒp处的黑塞矩阵  
之秩为世纪20年代建立的基本结果,后来有了远为一般的结果。

 

,1,2,因为可以适当选择局部坐标,使得在(旋转抛物面)。命不难看出,当α由小变大经过各个临界值时,Mα的同伦型发生表中所列的变化。
  可见,当α从小变大经过指数为λ的临界点时,Mα的同伦型变化相当于粘上一个λ维胞腔,从而整个环面M的同伦型相当于由一个
0维胞腔、两个一维胞腔以及一个二维胞腔组成的CW复形,这样就把M的同伦型与ƒ 的临界点的性态联系起来了。如果把这个事实推广到一般情形就是:
临界点理论的基本定理  命M是微分流形,ƒ:MB是非退化函数,并且任何Mα都是紧致集。于是,每个Mα都具有一个有限CW复形的同伦型,从而整个M具有一个至多是可数的CW复形的同伦型:对于指数为λ的每个临界点,这个复形有一个λ维胞腔。
  临界点理论的应用中最完美的是对测地线问题的应用,这就是变分学的莫尔斯理论。例如,考虑完备黎曼流形M上两个固定端点pq之间的测地线问题,即是使弧长为极小的变分问题:

式中ω:[0,1]→M 表示M上的逐段光滑道路,ω(0)=pω(1)=q;这个变分问题的泛极线就是所谓测地线。于是,从p 到q 的所有光滑测地线的性态与流形M的拓扑结构之间是否有什么关系,这就是大范围变分学要研究的主要问题,可以应用临界点理论的框架得到相似的结果。命Ω=Ω (Mpq)表示M上从pq所有逐段光滑道路组成的空间,具有尺度拓扑。

式中ρ
表示M上由黎曼尺度导出的距离函数;表示ω 上的弧长。
大范围变分学基本定理  命M是完备黎曼流形,pqM沿任何测地线不共轭,则Ω(Mpq)具有可数CW复形的同伦型:对于从pq每条指数为λ的测地线,这个复形有一个λ维胞腔。
  随着拓扑学的发展,莫尔斯理论本身也有很大的飞跃。例如,由于临界点定义为梯度向量场gradƒ 的零点,自然可以考虑n维闭流形M上一般向量场X 的零点与M的拓扑结构之间的关系,即M上的动力系统

~1981。(J.
Milnor,Morse Theory,Ann. Math. Studies,Princeton
Univ. Press,Princeton,1963.)。(H.Seifert
und W.Threlfall,variationsrechnung im Grossen,Chelsea Pub.Co.,1948.)
S.Smale, Morse Inequalities for a  Dynamical Systems,Bull. Amer. Math.Soc.,Vol.
66, pp.43~49,1960.
R.S.Palais,
Morse Theory on Hibert Manifolds,Topology,Vol.2,pp.
299~340,1963.172,1964.

江嘉禾

Morse理论:拓扑不变性特征匹配原理的更多相关文章

  1. 【特征匹配】SIFT原理与C源代码剖析

    相关: KD树+BBF算法解析 SURF原理与源代码解析 SIFT的原理已经有非常多大牛的博客上做了解析,本文重点将以Rob Hess等人用C实现的代码做解析,结合代码SIFT原理会更easy理解.一 ...

  2. 【特征匹配】SIFT原理之KD树+BBF算法解析

    转载请注明出处:http://blog.csdn.net/luoshixian099/article/details/47606159 继上一篇中已经介绍了SIFT原理与C源代码剖析,最后得到了一系列 ...

  3. 特征提取(Detect)、特征描述(Descriptor)、特征匹配(Match)的通俗解释

    特征匹配(Feature Match)是计算机视觉中很多应用的基础,比如说图像配准,摄像机跟踪,三维重建,物体识别,人脸识别,所以花一些时间去深入理解这个概念是不为过的.本文希望通过一种通俗易懂的方式 ...

  4. OpenCV探索之路(二十三):特征检测和特征匹配方法汇总

    一幅图像中总存在着其独特的像素点,这些点我们可以认为就是这幅图像的特征,成为特征点.计算机视觉领域中的很重要的图像特征匹配就是一特征点为基础而进行的,所以,如何定义和找出一幅图像中的特征点就非常重要. ...

  5. 第十六节、基于ORB的特征检测和特征匹配

    之前我们已经介绍了SIFT算法,以及SURF算法,但是由于计算速度较慢的原因.人们提出了使用ORB来替代SIFT和SURF.与前两者相比,ORB有更快的速度.ORB在2011年才首次发布.在前面小节中 ...

  6. 利用SIFT进行特征匹配

    SIFT算法是一种基于尺度空间的算法.利用SIFT提取出的特征点对旋转.尺度变化.亮度变化具有不变性,对视角变化.仿射变换.噪声也有一定的稳定性. SIFT实现特征的匹配主要包括四个步骤: 提取特征点 ...

  7. OpenCV2:特征匹配及其优化

    在OpenCV2简单的特征匹配中对使用OpenCV2进行特征匹配的步骤做了一个简单的介绍,其匹配出的结果是非常粗糙的,在这篇文章中对使用OpenCV2进行匹配的细化做一个简单的总结.主要包括以下几个内 ...

  8. OpenCV2简单的特征匹配

    特征的匹配大致可以分为3个步骤: 特征的提取 计算特征向量 特征匹配 对于3个步骤,在OpenCV2中都进行了封装.所有的特征提取方法都实现FeatureDetector接口,DescriptorEx ...

  9. NFA引擎匹配原理

    1       为什么要了解引擎匹配原理 一个个音符杂乱无章的组合在一起,弹奏出的或许就是噪音,同样的音符经过作曲家的手,就可以谱出非常动听的乐曲,一个演奏者同样可以照着乐谱奏出动听的乐曲,但他/她或 ...

随机推荐

  1. BZOJ 1724 USACO 2006 Nov. 切割木板

    倒过来的合并果子? 做法与合并果子一样 维护一个小根堆,每次取出最小的两个数进行合并 #include<cstdio> #include<algorithm> #include ...

  2. detecting locked tables mysql (locked by LOCK TABLE)

    detecting locked tables mysql (locked by LOCK TABLE) up vote15down votefavorite 7 I would like to kn ...

  3. noip模拟赛 对刚

    3 分析:约瑟夫环问题,可以用链表模拟做,也可以套用公式,比较水. #include <cmath> #include <cstdio> #include <cstrin ...

  4. 利用Calendar类测试电脑运行速度

    今天学习了很多新知识! 这里使用了Calender类来获取系统时间,并计算循环1w次的时间,判断电脑处理时间. import java.util.Calendar; public class Arra ...

  5. What you can talk

    data buffer who locked the account hash join cost memory and nested loop do not. How to make it hash ...

  6. Effective Java:对于全部对象都通用的方法

    前言: 读这本书第1条规则的时候就感觉到这是一本非常好的书.可以把我们的Java功底提升一个档次,我还是比較推荐的.这里我主要就关于覆盖equals.hashCode和toString方法来做一个笔记 ...

  7. linux 启动两个tomcat

    按照下面的步骤操作即可部署成功:一些具体操作命令就不详细说了,直接说有用的:1.在 /usr/local 下部署两个Tomcat,tomcat的文件夹重命名为:tomcat6-1  .  tomcat ...

  8. 【字符串处理】关于KMP算法输出的是什么&代码

    输入: ABCDABTBD_TISABCDABCABCDABC q为当前nxt处理的模版文本串下标: k为“失配时去哪里”,详情请看注释. --------------我是求完nxt的分界线----- ...

  9. Codeforces--630J--Divisibility(公倍数)

     J - Divisibility Crawling in process... Crawling failed Time Limit:500MS     Memory Limit:65536KB ...

  10. CentOS7 内核参数优化

    # allow testing with buffers up to 128MBnet.core.rmem_max = 134217728net.core.wmem_max = 134217728# ...