摘要：
由于用来做三维重建的特征点坐标是虚拟的、是根据老虎影像的数字化参数经过线性变换后提取出来的，并非存在于真实的活体老虎身上，只具有相对准确性。这种相对的准确性，能否被人接受，首先必须做方法有效性和可靠性的验证。国防科大论文根据其提出的算法提取了周虎照中面部9个特征点和躯干部11个特征点的三维坐标，然后依此数据拟合出面部、躯干部及整体平面的三维方程，并计出面部、躯干部的夹角约为10度；此外，作为其重建方法有效性和可靠性的验证，论文中提到利用平面板和课室桌椅作为空白对照组进行三维重建的结果，指出重建的平面特征点纵深有14厘米。但该论文并没有提供平面方程的拟合过程及结果，也没有提供对各平面方程的拟合优度进行分析的结果。本文介绍了拟合优度分析对回归拟合的重要意义，指出拟合优度不足的回归分析可信度低；同时对根据该论文提供的三维坐标拟合的面部和躯干部平面方程进行拟合优度分析，结果面部9个特征点拟合的平面方程为：Z=0.079838X-0.20758Y+19.2559，相关系数R=0.48785, 判定系数r2：= 0.246086，F=0.979237<F0.05=5.99，躯干部11个特征点拟合的平面方程为Z=0.052486X+0.005574Y+19.40357 ，相关系数R=0.6857, 判定系数r2：= 0.47029，F=3.55134<F0.05=5.53，表明两个平面方程的相关系数、判定系数均很低，差异显著性检验水准的F值远低于5%显著水准，非线性回归关系的假说成立。本文还对拟合优度低的原因进行了分析，提出原因可能有：（1）特征点构成的面为非平面结构，但该论文强行将立体进行信息平面化处理。如头部9个特征按y方向坐标的差异，点可分为两个近似平面，且两个平面有17．7°（或162.3°）左右的夹角，或把9个特征点按球面方程进行拟合可能会有更好的拟合优度。 而计算躯干部虎后腿及腹部中间位置的11#、9#、20#三点构成的平面与老虎股部和背部边缘的16#、17#、18#三点构成的另一个平面组成的夹角，更获得53°（或127°）的结果。（2）大多数的特征点位于头部和躯干的边缘地带，立体信息被压缩。（3）取点坐标的误差。此外博文还对科大空白对照组验证方法的不足提出见解，并提出对平面年画虎数码影像进行三维重建，以重新对国防科大的算法有效性和可靠性进行验证的建议。
1 拟合优度分析步骤：
1.1,先根据拟合方程计出Z坐标拟合值
1.2，计出Z坐标实测值平均值
1.3，计出Z坐标实测离差平方和、Z坐标拟合离差平方和
1.4，计出Z坐标实测值和拟合值相关系数R及判定系数（用r2表示），当方程为一元一次方程时，r2=R2，，否则
r2=1-（RSS/TSS）
其中，TSS=总离差平方和
RSS=残差平方和
说明：拟合优度分析包含三方面的内容：
a) 相关系数:是判断Z坐标实测值和拟合值这两个随机变量线性相关的密切程度的指标，取值1 -- -1，即拟合值与实测值各自的表现趋势是否能对应保持，不考虑模型中x、y 与z的因果关系。如实测值z1＜z2＜z3,对应的拟合值保持z1’＜z2’＜z3’,则有正相关关系；或有z1’＞z2’ ＞z3’，则为负相关；但如有z1’＞z2，而z3’ ＜z2，则相关关系较弱甚至无相关，拟合的方程可信度差。
b) 判定系数: 判定系数是判断回归方程与样本观测值拟合优度的一个数量指标，隐含的前提条件是Z与X和Y具有因果关系，说明列入模型的所有自变变量对因变量的联合的影响程度，不说明模型中单个解释变量的影响程度。
从判定系数定义公式可以看出，判定系数越大，自变量对因变量的解释程度越高，自变量引起的变动占总变动的百分比高也越大，观察点在回归平面附近越密集。
c) 单纯用相关系数和判定系数并不能全面评估方程拟合的优劣，必须结合方差分析，对模型整体的显著性进行检验即F检验，评估回归方差与残余方差的比例，从而判定回归模型是否可被接受。
简而言之，根据统计学原理，Z观测值的变差可以人为拆分为两部分：第一部分为：自变量X、Y 与因变量Z之间的回归关系引起的变差，第二部分是自变量X、Y 与因变量Z之间的回归关系没有反映的因素所引起的变差，我们称之为回归残差，二者的比值就是F值，服从F概率函数分布。F值越大，说明线性回归关系导致的变差越大，线性回归关系越可靠，没有线性回归关系的可能行越小。当F值对应的概率达到95%或以上时，我们就认为只有小于5%的可能性将不是线性回归关系错判为线性回归关系，即判断线性回归关系是存在的。当F值对应的概率达不到95%水准时，一般不能肯定存在线性回归关系，线性回归关系的可信度受到怀疑。
2 下面对根据虎面部9个特征点和躯干部11个特征点拟合的平面方程进行拟合优度分析，面部方程详细列出过程，其余从略，只给出结果。
2.1 面部平面方程的拟合优度分析
| 特征点顺序号 | Z坐标实测值 | Z坐标拟合值（m） | Z坐标实测离差平方 | Z坐标拟合离差平方 |
| 1 | 19.31 | 19.302252 | 0.000242 | 6E-05 |
| 2 | 19.38 | 19.339217 | 0.002964 | 0.001663 |
| 3 | 19.31 | 19.331792 | 0.000242 | 0.000475 |
| 4 | 19.28 | 19.30289 | 0.002075 | 0.000524 |
| 5 | 19.3 | 19.33291 | 0.000653 | 0.001083 |
| 6 | 19.35 | 19.326363 | 0.000598 | 0.000559 |
| 7 | 19.33 | 19.344406 | 1.98E-05 | 0.000208 |
| 8 | 19.32 | 19.331153 | 3.09E-05 | 0.000124 |
| 9 | 19.35 | 19.319018 | 0.000598 | 0.00096 |
| 合计 |
|
| 0.007422 | 0.005596 |
注： 1）上述特征点顺序号与国防科大的顺序号不对应，但所有特征点相同。
2）Z坐标实测值（m）平均值=19.325562），
3）Z坐标实测离差平方=（Z-Zi）2 (a)
4），Z坐标拟合离差平方=（Z-Zi）2 (b)
（由于博客显示功能有缺陷，上述公式(a)中Z代表坐标实测平均值，(b)中Z代表拟合值）
| 拟合的面部平面方程为：Z=0.079838X-0.20758Y+19.2559 | |||||
| 相关系数R=0.48785, 判定系数r2：= 0.246086 | |||||
| 提出原假设：方程中a=b=o，即非线性回归关系 | |||||
| 备择假说：a≠b≠o，即为线性回归关系 | |||||
| 平方和分量 | 数值 | 自由度 | 方差 | F值 | F0.05 |
| 总平方和（TSS） | 0.007422222 | 8 | 0.000928 |
| 5.99 |
| 残差差平方和（RSS） | 0.005595713 | 6 | 0.000933 | ||
| 回归平方和（ESS） | 0.001826509 | 2 | 0.000913 | 0.979237 | |
| F=0.979237<F0.05=5.99 F值远低于假说差异显著值，假说成立，不排除为非线性关系。 | |||||
| 躯干部平面方程为：Z=0.052486X+0.005574Y+19.40357 | |||||
| 相关系数R=0.6857, 判定系数r2：= 0.47029 | |||||
| 提出原假设：方程中a=b=o，即非线性回归关系 | |||||
| 备择假说：a≠b≠o，即为线性回归关系 | |||||
| 平方和分量 | 数值 | 自由度 | 方差 | F值 | F0.05 |
| 总平方和（TSS） | 0.008654545 | 10 | 0.00087 |
| 5.53 |
| 残差平方和（RSS） | 0.004584379 | 8 | 0.00057 | ||
| 回归平方和（ESS） | 0.004070167 | 2 | 0.00204 | 3.55134 | |
| F=3.55134<F0.05=5.53 F值低于假说差异显著值，故方程线性相关度极低，不排除为非线性关系。 | |||||
由以上结果可以看出，面部和躯干部的平面方程其相关系数、判定系数均极低，F值远未达到假设差异显著水准。从回归方差与残差方差分量可以看出面部和躯干部的平面方程其回归方差分别为0.000913与0.00204，残差方差分别为0.000933和0.00057，面部方程的残差方差居然比回归方差高，说明拟合的线性回归模型能解释Z坐标的变异的分量少于50%，有多于50%的变异是线性回归关系以外的因素引起的。而国防科大的论文用这两个平面方程计出两个平面的夹角为10度，并且假设两个平面在实体老虎上应有50度，而周老虎只有10度，得出是平面虎的结论。由于两个方程拟合优度太低，回归关系不可信，故不足以支持其结论！
3，拟合优度低的原因分析
3.1 特征点构成的面为非平面结构，将立体信息平面化处理。
做方程拟合的第一步是将实测坐标(包括自变量和因变量)描绘到坐标平面上，然后观察这些点的分布情况，根据个人经验判断自变量和因变量的因果关系是线性或非线性（如对数关系、指数关系、幂函数关系、抛物线、倒数关系等等），从而选择适当的方程类别进行拟合。如果选择的方程类别错误，拟合是必定失败的。
具体分析面部特征点的位置（无法粘贴图片，郁闷，请参考《 国科大论文纵深0.1米、夹角10°之谜解析》一文插图http://creato.blog.sohu.com/80805177.html#comment），9个特征点可以分为两组，第一组：1#、4#、5#、15# 4个点分别在虎眼的内外眼角上，其y坐标在-0.33至-0.39之间，可以组成一个近似平面；第二组：2#, 3#、12#、13#、14#等4点分别在头部各边缘位置，其y坐标在-0.42至-0.48之间，可以组成另一个近似平面。两个近似平面间y方向的坐标最大相差为，(0.48-0.33)=0.15。尝试拟合了两组特征点所在平面方程并算出夹角，结果如下：
| 特征点 | 1#、4#、5#、15# | 2#, 3#、12#、13#、14# |
| 平面方程 | Z=0.1331x+0.4027y +19.4786 | Z=0.0708x+0.0768y +19.19.385 |
| 两方程的夹角 | 17．7°（或162.3°） | |
当然由于拟合样本太少的原因上述拟合方程的拟合优度都很差，结果仅供参考，但将两个平面强行拟合为一个平面，拟合优度差就是必然的。
其实从特征点的分布来看，本人认为9个点的分布类似在球面上，如拟合成球面方程，拟合优度可能会提高。但由于拟合过程需要解四元三次方程组，解题复杂，需要专家才可解决。
我们再看看躯干部分11个特征点的分布
躯干部分11个特征点类似分布在一个上大下小的半圆锥面上。其y坐标跨度很大，在-0.2至0.072之间，比面部跨度大将近一半。从下面的分析可以看出，把11个特征强行拟合成一个平面极不合适！
在空间中，三点决定一个平面，故选两个平面计算其夹角。
第一个面取虎后腿及腹部中部11#、9#、20#三点，他们在y方向坐标在所有11个特征点中最大，第二个面取老虎股部和背部边缘的16#、17#、18#三点，他们在y方向坐标在所有11个特征点中最小，表观上看，两个平面之间夹角较大。分别取他们的x、y、z坐标联立两个三元一次方程组求解，得平面方程如下：
| 特征点 | 11#、9#、20# | 16#, 17#、18# |
| 平面方 程 | Z=0.518868+ -0.49057+19.72777 | Z=0.215152x +0.550505y+19.56122 |
| 两平面的夹角 | 53°（或127°） | |
比较前面博文拟合的面部、躯干和整体方程，这两个面的方程无论平面法线的方向数（自变量系数）、原点到平面的距离（d),都有显著差异，这也验证了众多挺虎人士指出的结论，把具有立体特征的点拟合成平面，就是把立体的信息平面化，方法上是行不通的！
而两个平面的夹角为53°（或127°），也是令人惊讶的结果！因为是解方程组，不是拟合回归关系，故上述方程无需考虑拟合优度，它是100%的线性回归关系。如果国防科大的坐标测绘方法是可行的，可靠的(下文会有继续讨论），误差水平可接受，那么这就是周老虎的为立体虎的铁证之一！
3.2 大多数的特征点位于头部和躯干的边缘地带，立体信息被压缩。
黄尔先生已经在《关于单张照片的立体感及其它》（http://creato.blog.sohu.com/79163066.html）一文中从数学上论证球面或圆柱面边缘的立体信息被非线性压缩，冷眼向洋先生更用直观的试验验证了非线性压缩的存在，见《 国科大论文纵深0.1米、夹角10°之谜解析》（http://creato.blog.sohu.com/80805177.html#comment）。网友wuyefengyuyuzhe在《不拍猫大小的虎，直接拍个实际大小的猫》（http://wuyefengyuyuzhe.blog.sohu.com/81793498.html）中描述了他在4-5米远的位置了拍了数张活体猫的照片，放到网上让网友判断是平面还是立体的，结果都判断为平面的，著名的技术打虎人士汪洋101还用他的大法做出了证明，闹出了笑话。说明立体信息的压缩被真实反映到数码照上，其影响不容忽视。
纵观全部20个特征点，位于老虎正面拍摄影像的点只有面部两眼的内角4#、15#及后腿内侧的11#，其余都分布在腹部侧面、虎背部和头部、面部边缘，这些部位都是球面、圆柱面或圆锥面，与棱角分明的长方体有显著差别。这些特征导致压缩是非线性的，而国防科大在提取特征点坐标时是采用线性变换的方式，又是将非线性的信息进行线性处理，要根据这些坐标作分析，首先必须要确认这种方法是否可靠。
这里必须重提国防科大论文的致命伤了。
我们在做生物科学试验的时候，必定会设一个空白做对照，也就是对照组。这个空白对照不做任何处理，至少有如下作用：1）得出试验的初始值，有了初始值才可以对照经处理的试验观测值的表现；2）验证方法、仪器设备的有效性。而在国防科大论文的试验中，空白对照组应该是事先已知的平面年画虎数码照，而不是一块空白平面板。
利用平面年画虎数码照中相机参数等资料，测出头部、躯干部的特征点坐标，然后根据坐标拟合头部、躯干和整体的平面方程及平面间的夹角。因为已知为平面虎，所以这些平面方程应有很好的拟合度，方程的相关系数和显著性检验（F检验）应达到差异显著水准，而平面间夹角应接近0，因为所有点都在一个真真实实的平面内。如果不能达到这些标准，说明这种重建方法本身误差大，不能用来做周虎照的三维重建分析，否则结论是不可靠的。
但遗憾的是，国防科大论文作者，使用的是一块平面板作为空白对照，其缺点有：
1）没有球面、圆柱面和圆锥面影像，与立体影像无法形成对比，立体信息的压缩无法体现，同时无法计算不同平面之间的夹角。
2）没有交代是否对空白对照组进行平面方程拟合，方程拟合优度分析最重要的标志---F检验是否显著，如果F检验不显著，则证明特征点坐标提取方法是有疑问的。该论文中提到，空白对照组-- 一个平面板三维重建后居然重建出有14厘米的纵深！难道明明白白在一块平面板上的点，就活活的被重建到板的后面去了，或者浮出版面来14厘米了吗!?不知道其中的拟合优度，所以无从判断此算法有效与否。
3.3 取点坐标的误差
由于拍摄距离远，虎成像小，在不同照片间特征点的位置很难重复准确定点，这样也必然影响坐标提取的准确性。此误差也会体现在上述拟合优度分析的结论中。鉴于冷眼向洋先生、黄尔文先生有专门论述，在此不再赘述，参见<国防科技大学三维重建论文中隐藏着不容忽略的立体虎潜在信息！>(http://01seminar.blog.sohu.com/79063345.html).
4 结束语
复习了好多大学、高中的的知识，没日没夜的努力了10多天，终于把这篇不知对错的博文完成了。得出的结论也实在郁闷：发现了对立体虎有利的证据---平面夹角，但由于采用的数据是算法未经验证的（或者是不知道是否有进行验证的），所以还不能说是铁证！
希望对国防科大论文的算法了解较多，且对摄影有专长的人士能补做平面年画虎数码照三维重建试验，以验证其有效性。
577
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
