Viso knygų: 1065
el. paštaskodas

Knygų lentyna/Informatika/Vaizdų ir signalų analizė ir apdorojimas

Vaizdų ir signalų analizė ir apdorojimas
Turinys
Pratarmė
1 skyrius. Signalų ir vaizdų kilmė, klasifikacija ir analizės tikslai
1.1. Signalų ir vaizdų kilmė
1.2. Signalų klasifikacija
1.2.1. Atsitiktiniai ir determinuoti signalai
1.2.2. Chaotiniai signalai
1.2.3. Stacionarūs signalai
1.2.4. Analoginiai ir skaitmeniniai signalai. Diskretizacijos dažnio pasirinkimas
1.3. Signalų analizės tikslai
1.4. Trimačiai vaizdai
1.5. Spalvoti vaizdai
2 skyrius. Signalų glodinimas. Sinchroninis triukšmų filtravimas periodiniams signalams
2.1. Signalų glodinimas
2.1.1. Slenkančio vidurkio algoritmas
2.1.2. Slenkančio vidurkio su svoriais algoritmas
2.1.3. Eksponentinis slenkančio vidurkio algoritmas
2.2. Sinchroninis triukšmų filtravimas periodiniams signalams
3 skyrius. Signalo rekurentinės diagramos
3.1. Kiek sudėtingas yra tiriamas procesas?
3.2. Rekurentinės diagramos apibrėžimas ir savybės
3.2.1. Signalo būsenos sąvoka
3.2.2. Atstumo tarp dviejų būsenų skaičiavimo būdai
3.2.3. Rekurentinės diagramos savybės. Slenkstinio atstumo r parinkimas
3.3. Rekurentinių diagramų interpretavimas. Pavyzdžiai
4 skyrius. Koreliacinis integralas ir koreliacinė dimensija
4.1. Laisvės laipsnių skaičiaus sąvoka
4.2. Signalo koreliacinis integralas
4.2.1. Koreliacinio integralo savybės
4.2.2. Koreliacinio integralo skaičiavimo optimizavimas
4.3. Signalo koreliacinė dimensija
4.3.1. Praktinės algoritmo detalės
4.3.2. Algoritmo parametrų D ir d pasirinkimas
5 skyrius. Signalų koreliacija ir autokoreliacija
5.1. Vidurkis, dispersija ir koreliacijos koeficientas
5.2. Dviejų signalų tarpusavio koreliacija
5.2.1. Signalų tarpusavio padėties laike įtaka koreliacijai
5.2.2. Signalų tarpusavio koreliacijos funkcija
5.2.3. Tarpusavio koreliacijos grafiko interpretavimas. Pavyzdžiai
5.3. Signalo autokoreliacijos funkcija
5.3.1. Autokoreliacijos grafiko interpretavimas. Pavyzdžiai
6 skyrius. Signalo komponenčių išskyrimas. Furje skleidiniai
6.1. Furje skleidinio sąvoka ir pavyzdžiai
6.1.1. Furje hipotezė ir jos eksperimentinis patikrinimas
6.1.2. Lyginės ir nelyginės funkcijos
6.1.3. Furje skleidinio apibrėžimas. Signalo spektras
6.1.4. Furje koeficientų apskaičiavimas
6.1.5. Kai signalas apibrėžtas ne intervale -π≤t≤π
6.2. Furje skleidinys kompleksinių funkcijų bazėje
6.2.1. Kompleksinių skaičių aritmetika
6.2.2. Furje skleidinio kompleksinių funkcijų bazėje apibrėžimas
6.3. Kompleksinio spektro savybės
6.3.1. Paprasčiausios spektro savybės
6.3.2. Signalo, padauginto iš konstantos, ir dviejų signalų sumos spektras
6.3.3. Signalo energijos išsilaikymas spektre (Parsevalio teorema)
6.3.4. Baigtinio Furje skleidinio paklaida. Gibbso efektas
7 skyrius. Diskrečioji Furje transformacija. Dažninių komponenčių filtravimas Furje filtru
7.1. Skaitmeninio signalo spektras. Diskrečioji Furje transformacija
7.1.1. Diskrečiosios Furje transformacijos (ir jai atvirkštinės) apibrėžimai
7.1.2. Diskrečiosios Furje transformacijos savybės
7.1.3. Spektro ir realių dažnių ryšys
7.1.4. Konvoliucijos (sąsūkos) ir koreliacijos ryšys su Furje transformacija
7.2. Greitoji Furje transformacija
7.2.1. Greitosios ir diskrečiosios Furje transformacijų palyginimas
7.2.2. Cooley–Tukey greitosios Furje transformacijos algoritmas
7.2.3. Cooley–Tukey algoritmo optimizavimas
7.3. Dažninių komponenčių filtravimas Furje filtru
8 skyrius. Tiesiniai filtrai
8.1. Sąsūka (convolution)
8.2. Vidurkių filtras
8.3. Gauso filtras
8.4. Erdviniai dažniai ir Furje transformacijos
8.5. Žemo ir aukšto dažnių filtrai
8.6. Netiesiniai filtrai -- medianos ir morfologinis filtrai
8.6.1. Medianos filtras
8.6.2. Matematinės morfologijos filtrai
9 skyrius. Segmentavimas: kontūrų detektavimas ir išskyrimas
9.1. Toninis netolydumas
9.2. Kontūrų radimas gradientiniais metodais
9.3. Kontūrų radimas trimačiuose vaizduose
9.4. Kontūrų radimas optimaliais metodais
9.5. Filtravimo ir segmentavimo algoritmų efektyvumas
9.5.1. Vienmačių ir dvimačių medicininių vaizdų filtrų tyrimas
9.5.2. Trimatės filtravimo algoritmų modifikacijos ir jų tyrimas
10 skyrius. Tekstūros ir jų identifikavimo algoritmai
10.1. Segmentavimas remiantis tekstūra
10.2. Tekstūrų panaudojimas vaizdų sintezės uždaviniuose (pavyzdys)
10.3. Multipakopis (multigrid) vaizdavimas
10.4. Gaboro filtras
11 skyrius. Vaizdų segmentavimas
11.1. Vaizdų segmentavimas naudojant filtravimo metodus
11.2. Segmentavimas klasteriais
12 skyrius. Derinimo modeliai
12.1. Interpoliavimas
12.2. Objektų registracija (registration)
12.3. Derinimo modelis – Hofo (Hough) transformacija
13 skyrius. Tikimybiniai segmentavimo ir derinimo modeliai
13.1. Bayeso tinklas
13.2. Naivusis Bayeso klasifikatorius
13.3. EM algoritmas
14 skyrius. Sekimo modeliai
14.1. Kalmano filtras
14.2. Deformaciniai modeliai
14.3. Geometriniai deformaciniai modeliai
14.4. Trimačių kontūrų konstravimas
Literatūra

Vaizdų ir signalų analizė ir apdorojimas

 
Svetainėje yra naudojami slapukai. Daugiau apie naudojamus slapukus.