为啥用 Eigen 和 OpenCV 计算的 SVD 左奇异向量具有不同的符号
Posted
技术标签:
【中文标题】为啥用 Eigen 和 OpenCV 计算的 SVD 左奇异向量具有不同的符号【英文标题】:Why SVD left singular vectors computed with Eigen and OpenCV have different signs为什么用 Eigen 和 OpenCV 计算的 SVD 左奇异向量具有不同的符号 【发布时间】:2015-02-15 06:04:49 【问题描述】:我同时使用 OpenCV 和 Eigen 来计算 SVD:
Eigen:
JacobiSVD<Matrix3f> svd(myM, ComputeFullU);
OpenCV:
cvSVD(&myM, &w, &u, 0, CV_SVD_MODIFY_A | CV_SVD_U_T);
我专注于左奇异向量:
Eigen result:
0.0341698 -0.064916 0.997306
0.950241 -0.307051 -0.0525437
0.309635 0.949476 0.051194
OpenCV result:
[0.03417001163639093, -0.06491612525262211, 0.9973055233913801;
-0.9502414121501213, 0.3070511298822651, 0.05254390804810754;
-0.3096347347112595, -0.9494764348419663, -0.05119404985032185]
尽管一个是float类型,一个是double类型,但是计算出来的左奇异向量有不同的符号。所以我的问题是:
-
这种符号差异真的很重要吗?
如何使它们相同?
【问题讨论】:
【参考方案1】:不,没关系,因为对应的符号差也会出现在右奇异向量上,所以基本上
U * S * V^adjoint
会给你正确的结果。
更准确地说,来自***:
非退化奇异值总是具有唯一的左和 右奇异向量,最多乘以单位相位因子
exp(iφ)
(真实案例待签)。因此,如果 M 的所有奇异 > 值都是非退化且非零的,那么它的奇异值 分解是唯一的,最多将 U 的列乘以 单位相位因子和相应的同时乘法 V的列由相同的单位相位因子。
为什么要它们相同?如果你真的想要,你可以通过将第一个分量相除得到相位,然后乘以那个相位使它们相等。
由于奇异值的排序,还可能出现额外的差异,afaik eigen 以降序对它们进行排序,不确定 opencv。
【讨论】:
【参考方案2】:奇异值分解不是唯一的,有多种可能的分解。实际的奇异值集合是唯一的,但是向量的左右矩阵可以有不同的符号,没有关系,因为多个组合符号可以抵消。
一个明显的例子,对于M = UΣV*
,像M=(-U)Σ(-V*) = UΣV*
一样分解,但一般来说,左右奇异向量可以有不同的符号组合。
这种差异并不重要,所以我认为您不必费心尝试使它们相同。
不仅如此,奇异向量的顺序也可以变化。通常是奇异值的降序排列。
【讨论】:
以上是关于为啥用 Eigen 和 OpenCV 计算的 SVD 左奇异向量具有不同的符号的主要内容,如果未能解决你的问题,请参考以下文章