Компьютерные книги
Главное меню
Главная Поиск по сайту Добавить материал О нас Карта книг Карта сайта
Реклама
computersbooks.net -> Добавить материал -> Графика -> Гонсалес Р. -> "Цифровая обработка изображений" -> 344

Цифровая обработка изображений - Гонсалес Р.

Гонсалес Р., Вудс Р. Цифровая обработка изображений — М.: Техносфера, 2005. — 1072 c.
ISBN 5-94836-028-8
Скачать (прямая ссылка): cifrovayaobrabotkaizobrajeniy2005.djvu
Предыдущая << 1 .. 338 339 340 341 342 343 < 344 > 345 346 347 348 .. 349 >> Следующая

Задачи 1061
Закончив изучение материала предшествующих двенадцати глав, читатель теперь способен понимать основную проблематику сферы цифровой обработки изображений, как с теоретической, так и с практической точки зрения. На протяжении всего рассмотрения мы старались заложить твердую основу для дальнейшего изучения как обсуждаемых, так и смежных областей. Учитывая специфический характер многих задач обработки изображений, ясное понимание базовых принципов существенно повышает шансы на успешное решение этих задач.
Ссылки и литература для дальнейшего изучения
Подготовительный материал для Разделов 12.1 — 12.2.2 приводится в книгах [Duda, Hart, Stork, 2001] и [Той, Gonzalez, 1974]. Также представляет интерес обзор [Jain et al., 2000]. В книге [Principe et al., 1999] дан хороший обзор нейронных сетей. Специальный выпуск журнала [IEEE Tram. Image Processing, 1998] стоит сравнить с аналогичным специальным выпуском, вышедшим десятью годами ранее ([IEEE Computer, 1988]). Материал Раздела 12.2.3 носит вводный характер. Фактически, рассматриваемая модель нейронной сети является лишь одной из многочисленных моделей, предложенных за прошедшее время. Тем не менее, эта модель является представительной и широко используется в обработке изображений. Пример с распознаванием искаженных фигур является переделанным вариантом из статей [Gupta etal., 1990,1994]. В работе [Gori, Scarselli, 1998] обсуждается вопрос о мощности классификации, обеспечиваемой многослойными нейронными сетями. Хорошим дополнительным источником по этой теме служит статья [Ueda, 2000], где сообщается о подходе, основанном на использовании линейных комбинаций нейронных сетей для минимизации ошибки классификации.
В качестве дополнительного материала по Разделу 12.3.1 рекомендуется статья [Bribiesca, Guzman, 1980]. По поводу сопоставления строк символов см. работы [Sze, Yang, 1981], [Oommen, Loke, 1997] и [Gdalyahu, Weinshall, 1999|. По Разделам 12.3.3 и 12.3.4 рекомендуются книги [Gonzalez, Thomason, 1978], [Fu, 1982] и [Bunke, Sanfeliu, 1990]. См. также работы [Tanaka, 1995], [Vailaya et al., 1998], [Aizaka, Nakamura, 1999] и [Jonk et al., 1999].
Задачи
12.1 (а) Вычислите дискриминантные функции классификатора по
минимуму расстояния для образов на Рис. 12.1. Необходи-
1062 Глава 12. Распознавание объектов
мые векторы математического ожидания получите самостоятельно путем измерений и анализа данных на рисунке, (б) Нарисуйте разделяющие поверхности, реализуемые дискриминантными функциями в (а).
*12.2 Покажите, что уравнения (12.2-4) и (12.2-5) реализуют одну и ту же функцию с точки зрения классификации объектов.
12.3 Покажите, что поверхность, заданная уравнением (12.2-6), есть гиперплоскость в «-мерном пространстве, перпендикулярная отрезку прямой, соединяющему ТОЧКИ П1, И Шу, и проходящая через его середину.
*12.4 Покажите, как обсуждаемый в связи с Рис. 12.7 классификатор по минимуму расстояния можно реализовать с помощью Жблоков резисторов (где W— число классов), сумматоров по числу блоков (для суммирования токов) и Жвходовой схемы выбора максимума, способной выбирать вход, через который протекает максимальный ток.
12.5 Покажите, что коэффициент корреляции, определяемый соотношением (12.2-8), принимает значения в диапазоне [—1,1]. Подсказка: Выразите функцию у(х, >’) в векторной форме.
*12.6 В результате эксперимента получаются двоичные изображения пятен эллиптической формы (см. рисунок ниже). Пятна бывают трех размеров, со средними значениями главных осей эллипсов (1,3; 0,7), (1,0; 0,5) и (0,75; 0,25). Разброс размеров этих осей составляет ±10% от указанных средних значений. Разработайте систему обработки изображений, которая бы отбрасывала неполные или перекрывающиеся эллипсы, а затем классифицировала бы оставшиеся раздельные эллипсы по трем указанным классам. Представьте решение в виде блок-схемы с указанием конкретных по-




Ш&Р1'

,л. -¦'й&З’Ф, ШИ
Sfl ir
їШдїі^

Йп-Ч- .
Site? ‘&У щш
Задачи 1063
дробностей работы каждого блока. Для решения задачи классификации используйте классификатор по минимуму расстояния, четко указав, как предполагается получать обучающую выборку и как объекты из этой выборки будут использоваться для обучения классификатора.
12.7 Следующие два класса образов имеют гауссовы распределения: coj: {(0, 0)г, (2, 0)г, (2, 2)т, (0, 2)т} и со2: {(4,4)г, (6, 4)г, (6, 6)т, (4, б)7}.
(а) Предполагая, что Р((ї>\) = Р(щ) =1/2, получите уравнение байесовской разделяющей поверхности между этими двумя классами.
(б) Нарисуйте эту разделяющую поверхность.
*12.8 Решите Задачу 12.7 для следующих классов образов: щ: {(-1, 0)г, (0, -l)r, (1, 0)т, (0, I)7} и со2: {(-2, 0)г, (0, -2)т, (2, 0)т, (0, 2) /}. Заметьте, что эти классы не являются линейно разделимыми.
12.9 Решите Задачу 12.6 с использованием байесовского классификатора, предполагая, что распределения являются нормальными. Четко укажите, как предполагается получать обучающую выборку и как объекты из этой выборки будут использоваться для обучения классификатора.
Предыдущая << 1 .. 338 339 340 341 342 343 < 344 > 345 346 347 348 .. 349 >> Следующая
Книги
Web-программирован-
ие
Аппаратное обеспечение Графика Руководство по П.О. Самоучитель Теория программирования Фотошоп Языки программирования
Новые книги
Вирт Н. "Систематическое программирование " (Теория программирования)

Эком "Microsoft Excel 2000 шаг за шагом Русская версия самоучитель " (Самоучитель)

Поляков А.Ю. "Методы и алгоритмы компьютерной графики в примерах Vizual C++" (Графика)

Баяковский Ю.М. "Графическая библиотека Open GL " (Графика)

Валиков А. "Технология " (Языки программирования)
Авторские права © 2013 ComputersBooks. Все права защищены.