cv::ConjGradSolver 类参考

此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))
	此函数返回对可立即使用的 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
	获取被优化的函数。
virtual TermCriteria	getTermCriteria () const =0
	获取此算法先前设置的终止条件。
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
	设置被优化的函数。
virtual void	setTermCriteria (const TermCriteria &termcrit)=0
	设置求解器的终止条件。
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，在开始时或读取失败后），则返回 true。
virtual String	getDefaultName () const
virtual void	read (const FileNode &fn)
	从文件存储中读取算法参数。
virtual void	save (const String &filename) const
void	write (const Ptr< FileStorage > &fs, const String &name=String()) const
virtual void	write (FileStorage &fs) const
	将算法参数存储在文件存储中。
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

此类用于执行已知梯度的非线性无约束函数的最小化。

在 *n* 维欧几里得空间上定义，使用非线性共轭梯度法。该实现基于 Jonathan Richard Shewchuk 的一篇解释清晰的文章 [An Introduction to the Conjugate Gradient Method Without the Agonizing Pain](http://www.cs.cmu.edu/~quake-papers/painless-conjugate-gradient.pdf)。该方法可以看作是标准共轭梯度法（例如，参见 http://en.wikipedia.org/wiki/Conjugate_gradient_method）在数值求解线性方程组中的一个适应。

需要注意的是，这种方法虽然确定性，但更像是一种启发式方法，因此可能收敛到局部最小值，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，因此它本质上无法区分局部最小值和最大值。因此，如果它起始点足够接近局部最大值，它可能会收敛到局部最大值。另一个明显的限制是，应该能够在任何点计算函数的梯度，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。

MinProblemSolver::Function 接口（表示被优化的函数）的 getGradient 方法完成了后一项责任。此方法接受一个n维空间中的点（第一个参数表示该点的坐标数组）并计算其梯度（它应该作为数组存储在第二个参数中）。

注意

ConjGradSolver 类因此没有向基本的MinProblemSolver 接口添加任何新方法。

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) )

静态

此函数返回对可立即使用的 ConjGradSolver 对象的引用。

所有参数都是可选的，因此即使没有任何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，如果未将函数提供给create()，则应该在获得的对象上调用MinProblemSolver::setFunction()。否则，这两种方法（提交给create() 或忽略它并调用MinProblemSolver::setFunction()）是完全等效的（并且如果检测到无效输入，则将以相同的方式引发相同的错误）。

参数

f	将被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