关于图像归一化中用到几个基本概念

最近看关于图像归一化的文章，刚开始看e文论文，对用到的几个概念不太了解，请达人指教。
1，probility density function（概率密度函数）
设p(x,y)为图像灰度，其概率密度函数f(x,y)=p(x,y)/[p(x,y)dxdy在指定区域中的二重积分]
请问这个指定区域该设置多大？
2，mean vector（平均矢量）
Cx=[x·f(x,y)dxdy在指定区域中的二重积分]
Cy=[y·f(x,y)dxdy在指定区域中的二重积分]
请问这个平均矢量的物理意义是什么？
3，central moments（中心矩）
k+r次中心矩定义式如下：
Ukr=[(x-Cx)^k·(y-Cy)^r·f(x,y)dxdy在指定区域中的二重积分]
同样请教物理意义
4，covariance matrix(协方差矩阵,共变异数矩阵)
这里的定义是个2*2矩阵
[U20 U11]
[U11 U02]
Uxx由上面的3式定义
关于covariance matrix的作用，原文中这样表达：
The goal of the algorithm is to adjust an image through a sequence of two linear transformations so that the covariance matrix of the compacted image becomes a scaled identical matrix.
In pattern recognition, we use the covariance matrix to decoupled correlated features and to scale the features to make the clusters compact.

 

基本上归一化思想是利用图像的不变矩寻找一组参数使其能够消除其他变换函数对图像变换的影响。也就是转换成唯一的标准形式以抵抗仿射变换。
Soo-Chang Pei and Chao-Nan Lin 'Image normalization for pattern recognition' ,Image and Vision Computing Volume 13 Number 10 December 1995, pp711~723