[论文解读] On the consistency of Fr\\'echet means in deformable models for curve and image analysis

Jérémie Bigot, Benjamin Charlier|arXiv (Cornell University)|Oct 3, 2010

Morphological variations and asymmetry参考文献 53被引用 36

一句话总结

本文提出了一类新的用于曲线和图像分析的统计可变形模型，该模型同时考虑了围绕均值模式的测量误差和强度变化。通过使用集中不等式和几何概率工具，在各种渐近情形（n, J → ∞）下建立了均值模式和形变参数的Fréchet均值估计器的一致性，确保了在高维设置下的收敛性。

ABSTRACT

A new class of statistical deformable models is introduced to study high-dimensional curves or images. In addition to the standard measurement error term, these deformable models include an extra error term modeling the individual variations in intensity around a mean pattern. It is shown that an appropriate tool for statistical inference in such models is the notion of sample Fr\\'echet means, which leads to estimators of the deformation parameters and the mean pattern. The main contribution of this paper is to study how the behavior of these estimators depends on the number n of design points and the number J of observed curves (or images). Numerical experiments are given to illustrate the finite sample performances of the procedure.

研究动机与目标

• 开发一种统计可变形模型，以同时考虑曲线和图像中的测量误差与个体强度差异。
• 解决在存在几何变异性（如随机平移或形变）时标准欧氏均值的不一致性问题。
• 在曲线数量（J）和设计点数量（n）增加时，建立均值模式和形变参数的Fréchet均值估计器的一致性。
• 为不同渐近情形（J→∞ 且 n 固定、n→∞ 且 J 固定、以及 n,J→∞）下的估计提供理论保证。
• 通过数值实验验证所提出估计器在有限样本下的性能。

提出的方法

• 形式化一个可变形模型，其中观测到的曲线/图像通过李群作用（如平移、形变）对均值模式进行变形生成，同时引入额外噪声。
• 在非欧几里得流形中使用Fréchet均值作为样本均值的推广，以估计均值模式和形变参数。
• 应用集中不等式（如Bernstein型界）来控制经验Fréchet泛函与其期望之间的偏差。
• 利用形变算子的特征值和迹界，推导出参数空间上经验过程上确界的一致界。
• 通过假设形变算子具有有界性和光滑性等性质，控制估计问题的复杂性。
• 利用随机矩阵理论和迹不等式，推导出Fréchet泛函中随机项的尾部界。

实验结果

研究问题

• RQ1 在何种渐近情形（n→∞、J→∞，或两者）下，具有几何变异性时的可变形模型中，均值模式的Fréchet均值估计器是一致的？
• RQ2 引入建模强度变化的额外误差项后，如何影响Fréchet均值估计器的一致性和收敛速度？
• RQ3 在现实的形变模型下，Fréchet均值估计器在曲线和图像配准中的有限样本性能特征是什么？
• RQ4 能否利用集中不等式推导出经验Fréchet泛函与其期望之间偏差的非渐近界？
• RQ5 形变群的几何性质（如有界性、光滑性）如何影响估计器的一致性和稳定性？

主要发现

• 当曲线数量J和设计点数量n均趋于无穷大时，均值模式的Fréchet均值估计器是一致的。
• 当n固定且J→∞时，若形变算子满足一定的有界性和光滑性条件，一致性依然成立。
• 本文推导出一个集中不等式，表明经验Fréchet泛函在参数空间上的上确界以高概率被随机有界。
• 经验Fréchet泛函偏差的上界依赖于形变算子的迹和特征值，以及平滑参数λ。
• 数值实验验证了估计器在有限样本下的性能，表明在各种形变模型下，估计器能稳定收敛至真实均值模式。
• 理论界是在确保形变算子一致有界且噪声项可积的假设下推导得出的。