博士生入学专业基础课考试大纲
C
CDO8
课程名称:图像处理与模式识别 '=V1'I*
一、 考试要求 HKXtS>7d
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。 Ny" "lcy
二、 考试内容 EYy|JT]B
1) Bayes决策理论 ZUd*[\F~!
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; e~1$x`DH
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; =XhxD<kI
非参数估计方法:Parzen窗法, K-近邻方法,距离度量; ).i :C(|
成份分析:主成分分析,多重判别分析。 Y$4dqn
2) 线性判别函数和多层神经网络 rvUJK,oE
线性判别函数的基本概念:两类问题的判别准则,多类问题的判别准则; )VM'^sV?
线性分类器的训练:感知器算法最小均方误差算法,支持矢量机; JTS<n4<a
多层神经网络的基本概念:前馈神经网络分类器的基本结构,前馈运算的方法; 6DxT(VU}
前馈神经网络的训练方法:误差反向传播算法; [ApAd
3) 非监督学习与聚类 w:|YOeP
非监督学习的基本概念,聚类的准则函数 XTKAy;'5
聚类方法:高斯混合模型,K-均值聚类,模糊K-均值聚类,自组织特征映射。 O|e/(s?$
4) 图像增强 N
6t `45
空域变换增强:直接灰度变换和直方图处理 @~j--L
空域滤波增强:平滑和锐化 {SJnPr3R
频域增强:高通、低通、带通和同态滤波 M1,1J-h
5) 图像复原和重建 o#frNT}
退化模型 ZK?:w^Z
无约束恢复:逆滤波、运动模糊图象的复原方法 Lv<)Dur0K
有约束恢复:维纳滤波和有约束最小平方滤波 FX&)~)
图象重建:傅立叶反变换重建 "*oN~&flc
6) 图象分割 ;Ebpf J
并行边界技术:边缘检测、Hough变换 VCCG_K9'
并行区域技术:阈值选取 lFc4| _c g
串行区域技术:区域生长和分裂合并 L.$+W}
三、 试卷结构 wg{Y6XyH
考试时间180分钟,满分100分 />[~2d
kb
1)题型结构 3=Va0}#&
概念题(20分) 5
im
qZw
简答题(20分) aj
6{
计算题(40分) 1Jn:
huV2
技术方案设计(20分) ]M.)N.T
2)内容结构 5%%A2FrB.S
Bayes决策理论(20分) 1`@rAA>h'
线性判别函数和多层神经网络(20分) P(XNtQ= K
非监督学习和聚类(20分) !|;w(/
图像增强(15) i'NN
图象复原与重建(15分) iT"H%{+~
图象分割(10分) '<KzWxuC
四、 参考书目见招生简章