次序统计量的矩有原点矩和中心矩，主要是期望、方差和协方差。
利用像素邻域的三阶中心矩，可以提取图像边界。
最大熵密度函数以z的期望和高阶中心矩为约束条件加以拟合。
提出用分块的方法分别计算各块的面积和中心矩，从而提高简谱的识别率。
3方差的*定义是随机变量的二次中心矩，与期望值之差的平方的加权平均值。
一组新的由低阶中心矩构成的仿*不变量验*了本文推导的正确*。
在对各型皮尔逊分布的中心矩与原点矩的研究基础之上，介绍了针对该分布的优化拟合方法，得到了各分布类型的参数并实现了其在工序能力评价中的应用。
该文拟将计算机视觉中传统模板匹*法与对场景物体的中心矩描述方法相结合，提出了一种效率较高的匹配算法。
采用标记匹*法实现自动拼接，采用形态学滤波和四阶中心矩方法实现不均匀背景图纸的的消蓝，提高了图纸输入的效率和质量。
