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

Материал из MachineLearning.

Версия 00:03, 17 мая 2021

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. Путь сигнала при обработке в системах ИИ. Первичная обработка изображения в сетчатке и зрительной коре головного мозга, структура глаза, спектральная чувствительность колбочек и палочек, их пространственная организация и функции, рецептивное поле. Выделение признаков на изображении зрительной системой.
2. Первичная обработка изображений. Математическая модель и устройство видеокамеры. Изменения распределения сигнала при его преобразовании. Основные операции, производимые камерой. Типы сенсоров, получение цветных изображений.
3. 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.
4. Дискретизация аналогового сигнала сенсора в видеокамере, получение цифрового изображения. Математическая модель дискретизации двумерного непрерывного поля яркости, спектр дискретного изображения, условия восстановления непрерывного изображения (теорема Котельникова).
5. Модели представления изображений. Функциональное, матричное, статистическое описание изображений, статистические модели изображения. Представление цветных изображений, основания трех-цветовой модели, основные цветовые модели (RGB,HSI,HSV,YUV).
6. Гистограмма яркости изображения. Статистические характеристики гистограмм, примеры гистограмм различных типов изображений, моды гистограмм. Изменение гистограммы при поэлементном преобразовании изображения. Адаптивная бинаризация изображения с использованием гистограммы.
7. Линейные операции с гистограммой яркости и нелинейные эффекты, насыщение. Адаптивные линейные преобразования яркости изображения с параметрами, вычисленными по гистограмме, нормализация яркости и контрастности.
8. Нелинейные операции с гистограммой яркости. Степенные, полиномиальные и кусочно-линейные преобразования яркости с параметрами, вычисленными по гистограмме. Адаптивная коррекция яркости и контрастности изображения.
9. Нелинейные операции с гистограммой яркости. Приведение гистограммы яркости к заданному распределению яркости, алгоритм построения такой функции преобразования с ограничениями на производную. Эквализация, эквализация бимодальной гистограммы. Коррекция искажений яркости на основе гистограммных преобразований.
10. 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, фильтрации шума, оценки изображения фона.
11. Геометрические преобразования изображения. Аффинное преобразование, полиномиальное преобразование второго порядка. Интерполяция значений яркости, интерполяция по ближайшему соседу, билинейная интерполяция, интерполяционные сверточные ядра.
12. Модели систем обработки изображения. Характеристические функции системы: импульсная характеристика, переходная характеристика, передаточная функция.
13. Фильтрация. Интеграл суперпозиции системы, интеграл свертки, свертка в пространственной области, ядро свертки. Интегральное преобразование Фурье, спектральная теорема о свертке и ее применение.
14. Применение теоремы о свертке. Инверсная фильтрация, инверсная фильтрация с отсечением, венеровская фильтрация изображения. Фильтрация с регуляризацией по Тихонову.
15. Модели искажений изображения и реконструкция изображения. Модели размытости вследствие движения камеры, турбулентности атмосферы. Прямое измерение функции рассеяния точки (ФРТ).
16. Реконструкция изображения. Конструирование фильтра в частотной области.
17. Фильтрация. Конструирование элементарных фильтров: сглаживание, взвешенное сглаживание, повышение четкости изображения. Пространственные ядра элементарных фильтров и их амплитудно-частотная характеристика. Работа фильтров в пространственной и частотной области.
18. 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.
19. Понятие дискретной свертки. Дискретное преобразование Фурье (ДПФ) со сдвигом начала координат в центр изображения. Дискретная высокочастотная фильтрация: идеальный низкочастотный фильтр, ВЧ фильтр Баттерворта, гауссов ВЧ фильтр. Лапласиан и повышение резкости.
20. Понятие дискретной свертки. Дискретное преобразование Фурье (ДПФ) со сдвигом начала координат в центр изображения. Режекторная, полосовая и узкополосная фильтрация.
21. 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.
22. Дискретное преобразование Фурье (ДПФ), его свойства, разделимость ядра, обратное преобразование, матричное представление. Быстрое преобразование Фурье (БПФ), схема реализации.
23. Алгебраический подход к обработке изображений. Дискретная венеровская фильтрация. Адаптивная фильтрация шума на основе оценивания его параметров.
24. Нелинейная фильтрация. Фильтры порядковых статистик. Влияние размера окна фильтрации. Понятие адаптивной фильтрации, адаптивный линейный и медианный фильтры.

См. также

• Обработка изображений в системах искусственного интеллекта (курс лекций, И.А.Матвеев)
• Специализация «Проектирование и организация систем» кафедры «Интеллектуальные системы» ФУПМ МФТИ
• Кафедра «Интеллектуальные системы» ФУПМ МФТИ