高等统计理论在形状分析中的应用[按需印刷]

    书籍
    数学书籍
本书作为专著,由于内容使然分为了3篇共9章,重点阐述并总结了高等统计理论在模式识别与图像分析中的应用。从形状分析的理论基础与数学背景入手,结合实例作了全面、详细的介绍。首先从简单形状入手,基于误差理论解决了圆锥曲线族中椭圆和圆的识别问题,并同时给出识别精度的评定。然后讨论二维凝胶图像中蛋白点的体积计算,在以原始、被污染数据为输入的前提下,使用椭圆抛物面拟合不规则的蛋白点,从中挖掘有效数据计算蛋白点体积,并对整个计算过程进行质量控制。最后重点研究航空照片中不同型号、大小和方向的飞机识别,提出两种基于高等统计理论的飞机识别算法。实验证明,作者提出的两种算法,具有检测成功率高、纳伪概率小、抗干扰能力强等特点,同时还解决了"传统矩不变法元法提取具有多对称轴目标的特征问题"。.
本书可供从事模式识别、图像理解、信息处理、人工智能、计算机工程、机器人、生物医学等专业的科学技术人员和大专院校相关专业的师生参考。...

第1篇 基础篇
第1章 形状分析的理论基础
1．1 形状的概念.
1．2 用于特征提取的方法论
1．2．1 矩不变法
1．2．2 傅里叶变换
1．2．3 小波变换
1．2．4 分形几何学
1．3 用于特征分类的方法论
1．3．1 贝叶斯决策理论
1．3．2 最小平方误差准则
1．3．3 K近邻法
1．3．4 人工神经网络
1．4 形状识别的典型算法
1．4．1 傅里叶矩不变算子
1．4．2 B样条函数不变性特征目标识别
第2章 形状分析的统计学背景
2．1 统计与识别
2．2 多元总体与样本
2．2．1 多元总体

　　形状作为人们感知和认识自然界的一个重要参数，一直是图像理解领域的热门话题。无论是工程图纸数字化、机器零件探测、食品监控、车牌识别、生物或人体组织图像分析，还是飞行目标和车辆检测、人脸识别，许多实际应用中都含有形状和形状分析。随着模式识别理论和计算机技术的飞速发展，越来越多的交叉学科出现在图像理解的应用中，其中用于形状分析的算法层出不穷。形状分析的内容本身也从简单的几何图形和印刷体字符，发展到较为复杂的手写体汉字和人脸，乃至目前双目视觉中的各种障碍物。一些现有算法针对不同的情况，提出不同程度的假设条件，有悖于实际环境，从而制约了形状分析的速度、精度和应用范围。.
　　本书是作为专著而撰写的，以作者的博士论文为蓝本，结合多年从事模式识别与图像处理方面的研究与实践，重点阐述和总结了高等统计理论在简单与复杂形状分析中的个例应用。该书具有以下特点。
　　(1)没有对算法附加任何与实际不符的限制条件，也不需要借用诸如CAD模板或一维信号等额外信息，保证算法能够真正适用于实践。
　　(2)以高等统计理论为背景，将形状这一难以定义的概念用数学语言/模型描述，将形状分析问题最终转化为数学运算，提高算法的执行速度，以达到实时的要求。
　　(3)算法将未知形状代人一定的统计模式进行统计分析的过程，同时也是一个严密数学运算的过程，这种运算不但可以分析未知形状，还可以对分析结果给出精度评定。书中实验证明，本书提
　　出的算法具有较高的形状识别和分析精度。
　　本书除了比对上的需要之外，所涉及的内容都是作者亲历的实践，书中研究的实例取自作者实际完成的课题，并在理论应用方面具有一定的创造性，是理论与实践之间的相互印证、相得益彰，而不是简单地重复和验证他人的工作。..
　　全书分3篇共9章。第1篇主要给出形状分析的理论基础和有关统计学背景。使读者能够了解目前形状分析中用于特征提取和分类决策的常用方法论，并介绍了几种形状识别的典型算法。鉴于高等统计理论在模式识别中所处地位以及本书形状分析的实际需要，集中阐述了多元统计分析与多元统计检验中的有关内容。
　　第2篇主要介绍的是对简单形状的识别与分析。以圆锥曲线族中椭圆和圆为例，作者给出不同于其它的识别算法，不需要任何附加条件或事先作出假设，无须参数累加、峰值寻找或参数空间降维等，且同时具有检测速度快、精度高等特点。
　　对二维凝胶图像中的蛋白点数据的分析与计算，是目前生命科学研究中的一项极有意义的应用。作者提出对蛋白点采样、曲面拟合以及最后的体积计算等方法，其各步骤都贯穿有对数据质量的控制，同时算法对噪声的干扰有着较好的抑制作用。
　　第3篇介绍的是对复杂形状的识别问题。作者以真实的航空照片中的飞机作为识别目标，根据模式识别的方法和理论，将不同形状和大小、任意摆放、图像质量各异的飞机目标从其它目标中提取出来。为实现这一目的，作者提出了基于高等统计理论的对飞机识别的两种算法，同时还与傅里叶矩不变算子识别飞机的各项性能作了较全面的比较。实验证明，三种对飞机识别的算法都是可行的，在相同的实验条件下，本书作者提出的两种算法从综合性能上均优于傅里叶矩不变算子。
　　本书是作者多年实践的结晶，本书的完成离不开导师和同事的指点和帮助，特别提出感谢的是英国Strathclyde大学的T．S．Durani教授、S．Marshall博士和英国North London大学的E．J．Lee博士。本书将许多文著作为参考文献，在此对文著作者一并表示感谢。同时还要感谢武汉理工大学自动化学院的领导和同仁对作者工作的支持和帮助。...
　　由于作者水平有限，书中难免有不当或错误之处，欢迎读者不吝雅正。
　　作者
　　2005年1月于武汉