图像识别算法基础

1. 图形图像使用和类型。色觉。彩色图像。
2. 数字化理论基础。计算机图形技术手段。分辨率，色深，缩放，取样。
3. 图像基础分析。统计分析问题。图像数字特性。
4. 图像分析。关于图像的各种频率分布图的建立。
5. 完全和局部的频率分布图的得到。频率分布直方图。频率分布图分解。
6. 纹理特征：邻接矩阵。Gabor滤波。公式特征：傅里叶描述。局部特征：奇异点。
7. 轮廓分析。基本概念。轮廓特征。
8. 相关函数。自相关函数。识别问题。
9. 轮廓一致性。
10. 轮廓析出方法。Canny检测。单色图像的转换。
11. 算子运用：Sobel，Roberts，Prewitt 。
12. 图像正规化。
13. 图像过滤。角的处理形式。噪声形式。滤波：线性，非线性。
14. 点图的处理办法。 点图的处理特征。
15. 聚类。集群阶段。测量距离。集群的类型。
16. 分层聚类及类型。
17. 模糊聚类算法。
18. 基于图论聚类算法。图像分割。
19. Newman算法。
20. 最小生成树的聚类算法。
21. 分层聚类。
22. 跟踪方法。跟踪系统工作概况。特征集查找。
23. 跟踪问题。跟踪算法。低质量抽样。光流。
24. 经验风险最小化。最小风险的有序方法。
25. 关于模式识别特征系统。模式识别的机器学习问题。
26. 共轭方向法
27. 纠错的方法。错误校正的方法反向传播。
28. 决策树。随机森林。
29. 广义肖像的方法（支持向量机）。超平面分离