基本内容:

1) Bayes决策理论

l Bayes分类器的基本概念：最小误差率准则，Bayes错误率的估计，最小风险准则，正态分布下的Bayes分类器；

l 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；

l 非参数估计方法：Parzen窗法， K-近邻方法，距离度量；

l 成份分析：主成份分析，多重判别分析。

2) 线性判别函数和多层神经网络

l 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；

l 线性分类器的训练：感知器算法，扩展的感知器算法，最小均方误差算法，支持矢量机；

l 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；

l 前馈神经网络的训练方法：误差反向传播算法。

3) 非监督学习与聚类

l 非监督学习的基本概念，聚类的准则函数；

l 聚类方法：K-均值聚类，模糊K-均值聚类，层次聚类，高斯混合模型，自组织特征映射。

4) 图像增强

l 空域变换增强：直接灰度变换，直方图均衡和直方图规格化；

l 空域滤波增强：平滑线性滤波器，中值滤波器，一阶微分算子，二阶微分算子；

l 频域增强：二维傅立叶变换的概念和性质，二维图像卷积，高通、低通、带通和同态滤波器。

5) 图像复原和重建

l 图像复原的基本概念，图像的退化和复原模型；

l 无约束恢复：逆滤波、运动模糊图像的复原方法；

l 有约束恢复：维纳滤波和有约束最小平方滤波。

6) 图像的形态学处理

l 形态学的基本操作：腐蚀和膨胀，开操作和闭操作

l 形态学操作的基本应用：去噪声，边界提取，区域填充，细化和粗化。

7) 图像分割

l 边界技术：边缘检测基本方法和梯度算子，Hough变换；

l 区域技术：门限处理的基本方法，最优门限选取方法。

题型要求及分数比例：

考试时间180分钟，满分100分

1）题型结构

l 概念题（20分）

l 简答题（20分）

l 计算题（60分）

参考书目（包括作者、书目、出版社、出版时间）：

Ø 《图象工程（上、中、下）》（第2版）,章毓晋编著，清华大学出版社，2006

Ø 《Digital Image Processing》数字图像处理(第二版英文版)，作者：(美)Rafael C.Gonzalez (美)Richard E.Woods著，电子工业出版社，2003

Ø 《Digital Image Processing》,Kenneth R.Castleman, PRENTICE HALL, 清华大学出版社影

Ø 《Pattern Classification》, Second Edition Author: Richard O. Duda, Peter E. Hart, David G. Stork Publisher: Wiley， 2000

Ø 《模式识别》.边肇褀等编著. 清华大学出版社, 第二版, 2000.