哈工大博士生入学图像处理与模式识别考试大纲

博士生入学专业基础课考试大纲 ~FnB!Mh}?  
课程名称：图像处理与模式识别 G+k[.  
一、    考试要求 \E9Hk{V:6  
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。 KC+C?]~M  
二、    考试内容 }LXS!Ff:  
1)    Bayes决策理论 wYZ"fusT  
    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； eBZa9X$  
    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；
-J

L  
    非参数估计方法：Parzen窗法， K-近邻方法，距离度量； $
~h\8  
    成份分析：主成分分析，多重判别分析。 ?y.q<F)  
2)    线性判别函数和多层神经网络 =5NM =K  
    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； xM ]IU <  
    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； 1-_op!N  
    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； Yzr RnVr  
    前馈神经网络的训练方法：误差反向传播算法； w]Q0}Z  
3)    非监督学习与聚类 h/h`?vWu  
    非监督学习的基本概念，聚类的准则函数 MQL1/>j;  
    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。 MA\^<x_?L}  
4)    图像增强 ;DMv?-H  
    空域变换增强：直接灰度变换和直方图处理 GCN(  
    空域滤波增强：平滑和锐化 txF)R[dZK  
    频域增强：高通、低通、带通和同态滤波 BMw_F)hTO  
5)    图像复原和重建 ENlqoj1  
    退化模型 */=5 m]  
    无约束恢复：逆滤波、运动模糊图象的复原方法 X~/hv_@  
    有约束恢复：维纳滤波和有约束最小平方滤波 =bJj;bc'5  
    图象重建：傅立叶反变换重建 ~n)!e#p  
6)    图象分割 hF
ORs.L&G  
    并行边界技术：边缘检测、Hough变换 x+j5vzhG)  
    并行区域技术：阈值选取 xkv2#"*v  
    串行区域技术：区域生长和分裂合并 )9~1XiS,  
三、    试卷结构 *9"
L?S(X#  
考试时间180分钟，满分100分 #qk}e4u  
1）题型结构 D]+0X8@kH7  
    概念题（20分） G~Xh4*#J  
    简答题（20分） R} nY8zE  
    计算题（40分） JpVV0x/Q/_  
    技术方案设计（20分） +PC<#  
2）内容结构 5#~ARk*?a  
    Bayes决策理论（20分） =Qt08,.bW  
    线性判别函数和多层神经网络（20分） JTcK\t8  
    非监督学习和聚类（20分） }s;W{Q  
    图像增强（15）
8l|v#
^v  
    图象复原与重建（15分） 3zJbb3e  
    图象分割（10分） L@*0wx`fU  
四、    参考书目见招生简章