Обработка изображений в системах искусственного интеллекта (курс лекций, И.А.Матвеев)/Вопросы 1 семестр

Материал из MachineLearning.

Перейти к: навигация, поиск

Перечень контрольных вопросов для сдачи экзамена в 7-ом семестре студентов 4 курса
специализации «Проектирование и организация систем» кафедры «Интеллектуальные системы» ФУПМ МФТИ

  1. Модели обработки изображения с системах ИИ. Первичная обработка изображения в сетчатке и зрительной коре головного мозга, структура глаза, спектральная чувствительность колбочек и палочек, из пространственная организация и функции, рецептивное поле. Выделение признаков на изображении зрительной системой.
  2. Первичная обработка изображений. Путь сигнала при обработке в системах ИИ. Математическая модель и устройство видеокамеры. Изменения распределения сигнала при его преобразовании Основные операции, производимые камерой. Типы сенсоров, получение цветных изображений.
  3. Дискретизация аналогового видео сигнала сенсора в видеокамере, получение цифрового изображения. Математическая модель дискретизации двумерного непрерывного поля яркости, спектр дискретного изображения, условия восстановления непрерывного изображения (теорема Котельникова).
  4. Квантование аналогового видео сигнала сенсора в видеокамере, получение цифрового изображения. Математическая модель квантования значений непрерывной функции яркости, оптимальное квантование, квантователь Ллойда-Макса, равномерное и неравномерное квантование.
  5. Модели представления изображений. Функциональное, матричное, статистическое описание изображений. Представление цветных изображений, основания трех-цветовой модели, основные цветовые модели (RGB,HSI,HSV,YUV).
  6. Гистограмма, виды гистограмм, параметры гистограммы, линейные и нелинейные операции с гистограммой. Изменение гистограммы при преобразовании изображения, преобразования с насыщением. Преобразование изображения с параметрами, вычисленными по гистограмме, нормализация и эквализация.
  7. 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 и фильтрации шума.
  8. Геометрические преобразования изображения. Аффинное преобразование, полиномиальное преобразование второго порядка. Интерполяция значений яркости, интерполяция по ближайшему соседу, билинейная интерполяция, интерполяционные сверточные ядра.
  9. Фильтрация. Интеграл суперпозиции системы, интеграл свертки. Характеристические функции системы: импульсная характеристика, переходная характеристика, передаточная функция.
  10. Понятие интеграла свертки, свертка в пространственной области, ядро свертки, корреляция. Интегральное преобразование Фурье, спектральная теорема о свертке, теорема о корреляции. Применение теоремы о свертке на примере инверсной и венеровской фильтрации изображения.
  11. 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.
  12. Понятие дискретной свертки. 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.
  13. Дискретное преобразование Фурье (ДПФ), его свойства, требование периодичности сигнала. Дискретная свертка, условия периодического дополнения изображения для корректного использования свертки в частотной области. Теорема о корреляции, применение ДПФ для поиска паттерна.
  14. Дискретное преобразование Фурье (ДПФ), его свойства, разделимость ядра, обратное преобразование. Быстрое преобразование Фурье (БПФ), схема реализации.
  15. Нелинейная фильтрация. Фильтры порядковых статистик. Влияние размера окна фильтрации, адаптивный медианный фильтр.
  16. 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.
  17. Многомасштабный анализ изображения, проблема локализации масштаба сигнала для оптимальной фильтрации. Пирамида изображений, пирамида Гаусса и Лапласа. Многомасштабная фильтрация по пирамиде.
  18. 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.
  19. 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.
  20. 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.
  21. Кратномасштабный анализ (КМА). Вложенность масштабирующих подпространств, масштабирующая и вейвлетные функции. Дуальные функции и биортогональное разложение пространства функций. Субполосное кодирование.
  22. Дискретное вейвлет-преобразование (ДВП). Быстрое вейвлет-преобразование (БВП). Вейвлет-пакеты.


См. также

Личные инструменты