cv::ConjGradSolver 类参考

该类用于执行已知梯度的函数的非线性无约束最小化。 更多...

#include <opencv2/core/optim.hpp>

cv::ConjGradSolver 的协作图

静态公有成员函数
static Ptr< ConjGradSolver >	create (const Ptr< MinProblemSolver::Function > &f=Ptr< ConjGradSolver::Function >(), TermCriteria termcrit=TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5000, 0.000001))
	此函数返回指向可直接使用的 ConjGradSolver 对象的引用。
从 cv::Algorithm 继承的静态公有成员函数
template<typename _Tp >
static Ptr< _Tp >	load (const String &filename, const String &objname=String())
	从文件中加载算法。
template<typename _Tp >
static Ptr< _Tp >	loadFromString (const String &strModel, const String &objname=String())
	从字符串加载算法。
template<typename _Tp >
static Ptr< _Tp >	read (const FileNode &fn)
	从文件节点读取算法。

其他继承成员
从 cv::MinProblemSolver 继承的公有成员函数
virtual Ptr< Function >	getFunction () const =0
	获取优化函数。
virtual TermCriteria	getTermCriteria () const =0
	获取先前为该算法设置的终止准则。
virtual double	minimize (InputOutputArray x)=0
	实际运行算法并执行最小化。
virtual void	setFunction (const Ptr< Function > &f)=0
	设置优化函数。
virtual void	setTermCriteria (const TermCriteria &termcrit)=0
	设置求解器的终止准则。
从 cv::Algorithm 继承的公有成员函数
	Algorithm ()
virtual	~Algorithm ()
virtual void	clear ()
	清除算法状态。
virtual bool	empty () const
	如果 Algorithm 为空（例如，在最开始或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储到文件存储中。
void	write (FileStorage &fs, const String &name) const
从 cv::Algorithm 继承的受保护成员函数
void	writeFormat (FileStorage &fs) const

详细描述

该类用于执行已知梯度的函数的非线性无约束最小化。

定义在 n 维欧几里得空间上，使用非线性共轭梯度法。该实现基于 Jonathan Richard Shewchuk 的一篇清晰易懂的文章 [An Introduction to the Conjugate Gradient Method Without the Agonizing Pain](http://www.cs.cmu.edu/~quake-papers/painless-conjugate-gradient.pdf)。该方法可以看作是对标准共轭梯度法（例如，参见 http://en.wikipedia.org/wiki/Conjugate_gradient_method）的改编，用于数值求解线性方程组。

需要注意的是，该方法虽然是确定性的，但它更像是一种启发式方法，因此可能收敛于局部最小值，而不是全局最小值。更糟糕的是，它的大部分行为都受梯度支配，因此它基本上无法区分局部最小值和最大值。因此，如果它从足够靠近局部最大值的地方开始，它可能会收敛于该局部最大值。另一个明显的限制是，它应该能够在任意点计算函数的梯度，因此最好有梯度的解析表达式，并且计算负担应该由用户承担。

后者是通过 MinProblemSolver::Function 接口（表示被优化的函数）的 getGradient 方法实现的。该方法接受 n 维空间中的一个点（第一个参数表示该点的坐标数组），并计算其梯度（应该将其存储在第二个参数中，作为一个数组）。

注意

类 ConjGradSolver 因此没有在基本 MinProblemSolver 接口中添加任何新方法。

终止准则应满足以下条件

termcrit.type == (TermCriteria::MAX_ITER + TermCriteria::EPS) && termcrit.epsilon > 0 && termcrit.maxCount > 0
// 或
termcrit.type == TermCriteria::MAX_ITER) && termcrit.maxCount > 0

成员函数文档

create()

static Ptr< ConjGradSolver > cv::ConjGradSolver::create ( const Ptr< MinProblemSolver::Function > &  f = Ptr< ConjGradSolver::Function >(), TermCriteria  termcrit = TermCriteria(TermCriteria::MAX_ITER+TermCriteria::EPS, 5000, 0.000001)  )

static

此函数返回指向可直接使用的 ConjGradSolver 对象的引用。

所有参数都是可选的，因此即使没有参数，也可以调用此过程。在这种情况下，将使用默认值。由于终止准则的默认值是唯一合理的值，因此如果未将函数提供给 create()，则应在获得的对象上调用 MinProblemSolver::setFunction()。否则，这两种方式（提交给 create() 或省略它并调用 MinProblemSolver::setFunction()）是完全等效的（并且将以相同的方式丢弃相同的错误，如果检测到无效输入）。

参数

f	指向要最小化的函数的指针，类似于您通过 MinProblemSolver::setFunction 提交的函数。
termcrit	算法的终止准则，类似于您通过 MinProblemSolver::setTermCriteria 提交的准则。

---

此类的文档是从以下文件生成的

• opencv2/core/optim.hpp