博士生入学专业基础课考试大纲 @t2 Q5c
课程名称:图像处理与模式识别 I^wj7cFo5
一、 考试要求 [@y=%\%R
要求考生全面系统地掌握图像处理与模式识别的基本概念、基本原理、典型方法和实用技术,并且能灵活运用所学知识解决实际应用中的具体问题。 ]_=HC5"
二、 考试内容 'LOqGpmVc
1) Bayes决策理论 'wZy: c
Bayes分类器的基本概念:最小误差率准则,最小风险准则,正态分布下的Bayes分类器; C[KU~@
概率密度的参数估计方法:最大似然估计,EM算法,隐含Markov模型; V*m)h
非参数估计方法:Parzen窗法, K-近邻方法,距离度量; mQvKre
o~
成份分析:主成分分析,多重判别分析。 j(BS;J$i
2) 线性判别函数和多层神经网络 :aqh8b
v
线性判别函数的基本概念:两类问题的判别准则,多类问题的判别准则; <F3sQAe
线性分类器的训练:感知器算法最小均方误差算法,支持矢量机; ]T l\9we
多层神经网络的基本概念:前馈神经网络分类器的基本结构,前馈运算的方法; G9a%N
前馈神经网络的训练方法:误差反向传播算法; __fR #D
3) 非监督学习与聚类 8 (KfX%
非监督学习的基本概念,聚类的准则函数 C~;0A!@]Y
聚类方法:高斯混合模型,K-均值聚类,模糊K-均值聚类,自组织特征映射。 y;Zfz~z
4) 图像增强 ^sOm7S {
空域变换增强:直接灰度变换和直方图处理 \O8f~zA{G
空域滤波增强:平滑和锐化 g
Oj5c
频域增强:高通、低通、带通和同态滤波 qQcC[
50
5) 图像复原和重建 }J
?fJ(
退化模型 ._&lG3'
无约束恢复:逆滤波、运动模糊图象的复原方法 UjDF
有约束恢复:维纳滤波和有约束最小平方滤波 f0`'
i[
图象重建:傅立叶反变换重建 ;
BZM~'
6) 图象分割 Crhi+D
并行边界技术:边缘检测、Hough变换 U&n>fXTHn
并行区域技术:阈值选取 z^/ GTY
串行区域技术:区域生长和分裂合并 yUW&Wgc=:
三、 试卷结构 ]`sIs= _[
考试时间180分钟,满分100分 W#L"5pRg
1)题型结构 cXY'>N
概念题(20分) _0*>I1F~
简答题(20分) p},Fwbl
计算题(40分) SO<m(o)G2
技术方案设计(20分) dn\F!
2)内容结构 k<| l
\]w
Bayes决策理论(20分) /plUzy2Yu
线性判别函数和多层神经网络(20分) 8KtgSash
非监督学习和聚类(20分) L{LU@.;1
图像增强(15) MXF"F
:-Kn
图象复原与重建(15分) }#G"!/ZA0:
图象分割(10分) R5eB,FN
四、 参考书目见招生简章