Просмотр

Материал из MachineLearning.

У вас нет прав на выполнение этой операции по следующим причинам:

• Запрошенное действие могут выполнять только участники из групп emailconfirmed, Администраторы.
• Вы должны подтвердить ваш адрес электронной почты перед правкой страниц. Пожалуйста, введите и подтвердите ваш адрес эл. почты на странице настроек.

Вы можете просмотреть и скопировать исходный текст этой страницы:

====Перечень контрольных вопросов для сдачи экзамена в 7-ом семестре студентов 4 курса <br \> [[Интеллектуальные системы (кафедра МФТИ)/О кафедре#Специализация «Проектирование и организация систем»|специализации «Проектирование и организация систем»]] [[Интеллектуальные системы (кафедра МФТИ)|кафедры «Интеллектуальные системы»]] [[ФУПМ]] [[МФТИ]]==== # Математическая модель интеллектуальной системы обработки изображения в системах ИИ, декомпозиция на основные функциональные подсистемы, путь сигнала, параметры подсистем. Примеры реализации модулей интеллектуальной системы для классификации объектов на изображении на основе выделения признаков и их нейросетевого классификатора. Понятие формального нейрона, пример обучаемой интеллектуальной системы для анализа изображения на основе сверточной нейронной сети, описание ее базовой функциональности. # Первичная обработка изображения в сетчатке и зрительной коре головного мозга, структура глаза, спектральная чувствительность колбочек и палочек, их пространственная организация и функции. Выделение признаков в яркостном поле зрительной системой: в сетчатке и в первичной зрительной коре, математические модели рецептивных полей обрабатывающих нейронов в сетчатке и в первичной зрительной коре, их биологические основы. Основания механизма внимания для анализа первичной зрительной информации, зрительные иллюзии. # Регистрация видеоизображений. Математическая модель и устройство цифровой видеокамеры. Путь и изменение яркостного сигнала в тракте видеокамеры. Основные операции, производимые цифровой видеокамерой для получения цифрового изображения. Математическая модель регистрации яркостного сигнала в сенсоре камеры, влияние диафрагмы и выдержки. Типы и устройство видео сенсоров, получение цветных изображений, мозаика Байера. # Квантование аналогового видео сигнала сенсора в цифровой видеокамере, получение цифрового изображения. Математическая модель квантования значений непрерывной функции яркости, оптимальное квантование, квантователь Ллойда-Макса, равномерное и неравномерное квантование. # Дискретизация аналогового сигнала сенсора в видеокамере, получение цифрового изображения. Математическая модель дискретизации двумерного непрерывного поля яркости, спектр дискретного изображения, условия восстановления непрерывного изображения (теорема Котельникова). # Модели представления изображений. Функциональное, матричное, статистическое описание изображений, статистические модели изображения, стационарная марковская модель. Представление цветных изображений, основания трех-цветовой модели, основные цветовые модели (RGB,HSI,HSV,YUV). # Гистограмма яркости изображения. Статистические характеристики гистограмм, примеры гистограмм различных типов изображений, моды гистограмм. Изменение гистограммы при поэлементном преобразовании изображения. Адаптивная бинаризация изображения с использованием гистограммы. # Линейные операции с гистограммой яркости и эффект насыщения. Адаптивные линейные преобразования яркости изображения с параметрами, вычисленными по гистограмме, нормализация яркости и контрастности. # Нелинейные операции с гистограммой яркости. Степенные, полиномиальные и кусочно-линейные преобразования яркости с параметрами, вычисленными по гистограмме. Адаптивная коррекция яркости и контрастности изображения. # Нелинейные операции с гистограммой яркости. Приведение гистограммы яркости к заданному распределению яркости, алгоритм построения такой функции преобразования с ограничениями на производную. Эквализация, эквализация бимодальной гистограммы. Коррекция искажений яркости на основе гистограммных преобразований. # Алгебраические преобразования изображения. Описание прозрачности областей с помощью маски. Усреднение изображений, дисперсия яркости в точках усредненного изображения с аддитивным нормальным шумом. Использование аддитивных моделей фона для контрастирования изображения, фильтрации шума, линейная регрессионная оценка фона видеоизображения. # Модели систем обработки изображения. Характеристические функции системы: импульсная характеристика, передаточная функция, амплитудно-фазовая частотная характеристика (АФЧХ). # Фильтрация. Интеграл суперпозиции линейной системы, интеграл свертки, свертка в пространственной области, ядро свертки. Интегральное преобразование Фурье, спектральная теорема о свертке и ее применение. # Фильтрация. Конструирование элементарных фильтров: сглаживание, взвешенное сглаживание. Их пространственные ядра и амплитудно-частотные характеристики. Работа фильтров в пространственной и частотной области. # Фильтрация. Конструирование элементарных фильтров: фильтры на основе пространственных производных для повышения четкости изображения. Их пространственные ядра и амплитудно-частотные характеристики. Работа фильтров в пространственной и частотной области. # Фильтрация. Конструирование элементарных фильтров: сглаживание, взвешенное сглаживание. Их пространственные ядра и амплитудно-частотные характеристики. Работа фильтров в пространственной и частотной области. # Фильтрация. Конструирование элементарных фильтров: фильтры на основе пространственных производных для повышения четкости изображения. Их пространственные ядра и амплитудно-частотные характеристики. Работа фильтров в пространственной и частотной области. # Применение теоремы о свертке для непрерывного сигнала. Инверсная фильтрация, инверсная фильтрация с отсечением, винеровская фильтрация изображения. Фильтрация с регуляризацией по Тихонову. # Модели искажений изображения и реконструкция изображения. Модели размытости вследствие движения камеры, турбулентности атмосферы. Прямое измерение функции рассеяния точки (ФРТ). # Реконструкция изображения. Конструирование фильтра в частотной области. # Дискретное преобразование Фурье (ДПФ), его основные свойства. Понятие дискретной свертки. Доказательство Теоремы о свертке в дискретном случае, условия периодического дополнения изображения. Линейная и циклическая свертка. Быстрое преобразование Фурье (БПФ), схема реализации. # Уравнение Винера-Хопфа. Винеровский фильтр, вывод решения для дискретного случая. Решения для линейной модели искажения, модели искажения с аддитивным шумом, соотношение сигнал/шум. # Дискретное преобразование Фурье (ДПФ) со сдвигом начала координат в центр изображения. Дискретная низкочастотная фильтрация: идеальный низкочастотный фильтр, НЧ фильтр Баттерворта, гауссов НЧ фильтр, усреднение. Дискретная высокочастотная фильтрация: идеальный низкочастотный фильтр, ВЧ фильтр Баттерворта, гауссов ВЧ фильтр. Лапласиан и повышение резкости. Режекторная, полосовая и узкополосная фильтрация. Адаптивная фильтрация шума на основе оценивания его параметров. # Алгебраический подход к обработке изображений. Матричное представление ДПФ, операции свертки, Теплицева матрица. Матричное представление задачи реставрации изображения. Обобщенно-обратная матрица, вывод решения для случая переопределенной и недоопределенной системы, сингулярное разложение для случая неполного ранга. # Алгебраический подход к реставрации изображений. Регрессионная оценка для модели с аддитивным шумом, винеровской оценки в матричном виде, регуляризация обобщенно обратной матрицы с сглаживанием по Тихонову. # Нелинейная фильтрация. Фильтры порядковых статистик. Влияние размера окна фильтрации. Понятие адаптивной фильтрации, адаптивный линейный и медианный фильтры. # Оконная фильтрация. Локальная нормализация, эквализация. Билатеральный фильтр. # Морфологические операции на дискретных изображениях, частные случаи бинарного и полутонового изображений. Понятие смежности и связности. Дилатация и эрозия, их двойственность. Операции Открытия и Замыкания, их двойственность. Морфологическая фильтрация, сглаживающий фильтр, морфологический градиент. # Билинейная и кусочно билинейная интерполяции при преобразовании системы координат. Аффинное преобразование в однородных координатах, оценка параметров. Полиномиальное преобразование второго порядка, нахождение параметров преобразования. Интерполяция яркости по ближайшему соседу, билинейная интерполяция. # Интерполяция яркости в преобразованной системе координат. Интерполяция яркости по ближайшему соседу, билинейная интерполяция. Интерполяция яркости на основе линейной свертки. Сверточные ядра полиномов Котельникова, Ланцоша. Условия идеальной интерполяции на основе спектральной модели и теоремы Котельникова. Сверточные ядра на основе В-cплайнов. Прямоугольное и треугольной ядро, их эквивалентность интерполяции по ближайшему соседу и билинейной интерполяции соответственно. Кубический B-сплайн и гауссовские ядра, их спектры. <!-- # Элементы теории информации, количество информации, формула Хартли и Шенона, вероятностная интерпретация информационной энтропии, достижимость максимальной энтропии. Выражение количества информации в изображении через условную энтропию элементов. Связь энтропии яркости пикселя и его окрестности на изображении. # Понятие избыточности изображения, кодовая избыточность, межэлеменетная избыточность, визуальная избыточность. Марковская модель межэлементной избыточности, уменьшение избыточности элемента на основе разностных преобразований. Понятие информативных элементов. # Понятие информативных элементов на основе марковской модели межэлементной избыточности. Выделение информативных элементов на основе декоррелирующего линейного преобразования Карунена-Лоэва, остаточная ошибка разложения. Критерий выбора признаков на основе метода Главных компонент, случай нормального распределения ансамбля изображений. Связь метода Главных компонент и модели автоэнкодера. # Выделение информативных элементов на основе декоррелирующего ортогонального преобразования. Преобразования Карунена-Лоэва для изображения как реализации стационарного процесса. Аппроксимация преобразования Карунена-Лоэва для марковского процесса. Ортогональные преобразования Фурье, преобразование Хаара, Адамара. # Подходы к сжатию и реконструкции изображения на основе перераспределения энтропии путем уменьшения межэлементной, визуальной и кодовой избыточности. Основные элементы алгоритмов JPEG, MPEG/H.26x. # Локально-стационарный анализ изображения, проблема локализации сигнала для оптимальной фильтрации. Интегральное оконное преобразование Фурье (ОПФ). Функция окна, ее локализация в пространственной и временной областях. Кратковременное Преобразование Фурье. Выбор оптимальной функция окна на основе принципа неопределенности. # Оконное преобразование Фурье. Прямое и обратное преобразование Габора, его пространственно-частотные свойства. Примеры использования преобразования Габора в прикладных системах. # Проблема одновременной локализации масштаба и положения сигнала. Интегральное вейвлет-преобразование (ИВП), базисная фейвлет-функция, условие допустимости базисного вейвлета, локализация вейвлет-функции в пространственной и частотной областях. Примеры базисных вейвлетов. # Дискретное вейвлет-преобразование (ДВП). Условие устойчивости для восстановления функции по множеству базисных вейвлетов, фреймы. Разложение функции по биортогональной системе базисных вейвлетов. Примеры базисных фейвлетов: вейвлет Морле, производные функции Гаусса, DOG, вейвлеты Хаара. # Кратномасштабный анализ. Гауссовская и лапласовская пирамида. Вложенность масштабирующих подпространств, масштабирующая и вейвлетные функции. Кратномасштабный анализ на примере вейвлетов Хаара. # Теория согласованной фильтрации для обнаружения сигналов/объектов на изображении на основе сопоставления с эталоном. Оператор декорреляции в согласованной фильтрации, сопоставление в пространстве признаков. Пространство признаков для марковской модели. Теорема о корреляции, применение ДПФ для поиска паттерна. # Дескрипторы изображения для задач анализа изображения в пространстве признаков. Выделение контура, краев: операторы Прюитта, Собеля, Кэнни. Параметризация прямых на основе преобразования Хафа. Дескрипторы HOG, LBP. Обобщение дескриптора HOG на основе преобразования Хафа. Привязка изображений по дескрипторам. --> <!-- Многомасштабные дескрипторы Габора. # Метрика расстояния в признаковом пространстве для привязки объектов. Оценка движения объекта и слежение по измерениям признаков. Фильтр Калмана. # Оптические потоки. Алгоритмы Лукаса-Канаде, Хорна-Шунка. # Основы нейросетевого распознавания изображений. Обзор основных архитектур нейросетевых моделей: сверточная ResNet модель для классификации и регрессии, AE и VAE для реконструкции и импаинтинга, UNET для сегментации, R-CNN и Yola для детекции, ViT модели на основе трансформера, RAFT для оптических потоков. # Основы генеративных и многомодальных нейросетевых моделей для генерации изображений: GAN и StyleGAN для генерации, нормализующие потоки и латентные диффузионные модели для генерации с обуславливанием. --> <!-- # Морфологические операции на дискретных изображениях, частные случаи бинарного и полутонового изображений. Понятие смежности и связности. Дилатация и эрозия, их двойственность. Операции Открытия и Замыкания, их двойственность. Морфологическая фильтрация, сглаживающий фильтр, выделение границ, заполнение областей, утончение, утолщение, построение остова. # Интегральное преобразование Фурье, пространственная частота. Принцип неопределенности, теорема об оптимально локализованной функции. Примеры ядер фильтров в пространственной и частотной областях, низкочастотные и высокочастотные фильтры. Сглаживающие и повышающие резкость фильтры, их описание в пространственной и частотной областях, примеры. # Многомасштабный анализ изображения, проблема локализации масштаба сигнала для оптимальной фильтрации. Пирамида изображений, пирамида Гаусса и Лапласа. Многомасштабная фильтрация по пирамиде. # Краткопространственный анализ изображения, проблема локализации положения сигнала для оптимальной фильтрации. Интегральное оконное преобразование Фурье (ОПФ). Функция окна, ее локализация в пространственной и временной областях. Функция Габора. Обратное ОПФ. # Проблема одновременной локализации масштаба и положения сигнала. Интегральное вейвлет-преобразование (ИВП), базисная фейвлет-функция, условие допустимости базисного вейвлета, локализация вейвлет-функции в пространственной и частотной областях. Примеры базисных фейвлетов. # Дискретизация параметров базисных вейвлетов. Условие устойчивости для восстановления функции по множеству базисных вейвлетов, базис Рисса, фреймы. Разложение функции по биортогональной системе базисных вейвлетов. Примеры базисных фейвлетов: вейвлет Морле, производные функции Гаусса, DOG, вейвлеты Хаара. # Кратномасштабный анализ (КМА). Вложенность масштабирующих подпространств, масштабирующая и вейвлетные функции. Дуальные функции и биортогональное разложение пространства функций. Субполосное кодирование. # Дискретное вейвлет-преобразование (ДВП). Быстрое вейвлет-преобразование (БВП). Вейвлет-пакеты. --> ''' См. также ''' * [[Обработка изображений в системах искусственного интеллекта (курс лекций, А.Н.Гнеушев)]] * [[Интеллектуальные системы (кафедра МФТИ)/О кафедре#Специализация «Проектирование и организация систем»|Специализация «Проектирование и организация систем» кафедры «Интеллектуальные системы» ФУПМ МФТИ]] * [[Интеллектуальные системы (кафедра МФТИ)|Кафедра «Интеллектуальные системы» ФУПМ МФТИ]]

Возврат к странице Обработка изображений в системах искусственного интеллекта (курс лекций, А.Н.Гнеушев)/Вопросы 1 семестр.