Abstract
這篇論文強調二維形狀(2D Shape)的分析和建立一套形狀表示法(Shape Representation)及形狀辨識(Shape recognition) 系統。我們回顧幾種特徵萃取(feature Extraction)的方法，其中包括自身回歸模式(Autoregressive Model)，傳立葉描述子(fourier Descriptor)，傳統的動差法(Traditional Moments) ，和弦長分配法(chord Length Distribution)。 而我們提出一個將傳統的動差法做些修改的特征萃取方法，叫做修改式動差法(Mo-dified Moments)。在這裡， 傳統動差法和修改式動差法最大的不同是，傳的動差法以形狀範圍(shape Region)為基礎，而修改式動差法則以形狀邊界(shape Boundary)為基礎。因此這一個修改使得在做特征萃取時更有效率。在這一篇論文中我們將悠改式動差法應用在一般的形狀上面而得到令人滿意的辨識率(recognition Rate), 而且我們也將一些簡單形狀(Simple shape)以修改式動差法來作實驗，而得到平移(Translation)， 旋轉(rotation)和大小(Scaling)上的不變量(Imvariance) 。不過我們尚無法以數學證明出當它應用在一般的形狀上時是否亦符合平移，旋轉和大小的不變量。在這篇論文我們亦拿五組資料來做實驗(Experiments),而且將各種回顧的特征萃取方法與我們提出的修改式動差法做比較而得到令人的鼓舞的結果。