博士生入学专业基础课考试大纲 r>\.b{wI
课程名称:图像处理与模式识别 '1<QK
一、 考试要求 t)h3G M
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。 lKcnM3n
二、 考试内容 lx SGvvP4
1) Bayes决策理论 G(i/ @>l
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; nm..$QL
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; $v,_8{ !
非参数估计方法:Parzen窗法, K-近邻方法,距离度量; n7vi@^lf(
成份分析:主成分分析,多重判别分析。 &>SE9w/?o
2) 线性判别函数和多层神经网络 \oyr[so(i
线性判别函数的基本概念:两类问题的判别准则,多类问题的判别准则; HXX"B,N
线性分类器的训练:感知器算法最小均方误差算法,支持矢量机; rnUe/HjH
多层神经网络的基本概念:前馈神经网络分类器的基本结构,前馈运算的方法; Nsb13mlY
前馈神经网络的训练方法:误差反向传播算法; 70@:!HI]
3) 非监督学习与聚类 }/=_
非监督学习的基本概念,聚类的准则函数 @xo9'M<l
聚类方法:高斯混合模型,K-均值聚类,模糊K-均值聚类,自组织特征映射。 6;Bqu5_Cj
4) 图像增强 SyI#Q[f'_
空域变换增强:直接灰度变换和直方图处理 9496ayi
空域滤波增强:平滑和锐化 "\30YO>\
频域增强:高通、低通、带通和同态滤波 ]*).3<Lw
5) 图像复原和重建 8WMC ~
退化模型 GKX#-zsh79
无约束恢复:逆滤波、运动模糊图象的复原方法 B--`=@IRf"
有约束恢复:维纳滤波和有约束最小平方滤波 BO^e.iB/
图象重建:傅立叶反变换重建 :7'anj
6) 图象分割 @<_4Nb
并行边界技术:边缘检测、Hough变换 q*>`HTPcU
并行区域技术:阈值选取 |#k1a:
串行区域技术:区域生长和分裂合并 Y%2<}3P
三、 试卷结构 <3'r&ks
考试时间180分钟,满分100分 h<[ o;E
1)题型结构 UPH:$Fk&
概念题(20分) }2}hH0R
简答题(20分) vNP,c]:%
计算题(40分) S>nM&758
技术方案设计(20分) AkGCIn3
2)内容结构 oE}1D?3Sp
Bayes决策理论(20分) H13|bM<
线性判别函数和多层神经网络(20分) C;_10Rb2ut
非监督学习和聚类(20分) 7^=O^!sa
图像增强(15) bPWIf*3#
图象复原与重建(15分) aB.`'d)V
图象分割(10分) v*kTTaU&
四、 参考书目见招生简章