南京理工大学考博：模式识别与图像分析考试大纲
初试科目：模式识别与图象分析
图象分析部分
考试大纲：
本科注重理解(比较分析归纳实践)和基本概念扎实
一、 图象增强(10分)
1.1 概述和分类
1.2 空间域变换增强
1.2.1灰度变换法
1.2.2直方图均衡化和规定化
二、 图象平滑(10分)
1.1 均值滤波
1.2 中值滤波
1.3 加权均值滤波
1.4 极值滤波器
三、 边缘检测(10分)
1.1 边缘分类与特点
1.2 梯度算子
1.3 Soble与Robert
1.4 拉普拉斯算子
1.5 LOG, CANNY, SHENJUN等算子
四、 图像分割(10分)
4.1 基于直方图的图象分割
4.2.1 阈值选取与最优选取
4.2.2 基于一维熵和二维熵的阈值选取
4.2.2 直方图修正(二维直方图，局部象素直方图，边缘模式直方图)
4.2 基于区域的图象分割
4.3.1 区域增长技术与分裂合并算法
4.3.2 基于稳定性的图象分割
4.3 图象分割评价
参考书：
《图象处理与分析》,章毓晋编著，清华大学出版社，1999
《计算机图象处理》,荆仁杰等，浙江大学出版社
《图象处理与分析》，徐建华，科学出版社
《数字图象处理》，陈廷标等，人民邮电出版社
R.D.Gonzalez,P.Wintz,《Digital Image Processing》1977
A.Rosenfeld A.Kak,《Digital Picture Processing》1982
W.K.Pratt,《Digital Image Processing》1978
Kenneth R.Castleman, 《Digital Image Processing》, PRENTICE HALL, 清华大学出版社影
模式识别部分
考试大纲：
掌握基于最小错误率的贝叶斯决策、正态分布的最小错误率贝叶斯判别函数和决策面;了解关于贝叶斯决策错误率的分析;掌握正态分布的监督参数估计;了解正态分布的非监督参数估计以及总体分布的非参数估计;掌握线性判别函数、Fisher线性判别;了解广义线性判别函数、分段线性判别函数;掌握最近邻法以及k-近邻法;了解关于最近邻法错误率的分析;了解类别可分离性判据以及特征抽取方法;掌握基于KL展开式的特征提取方法;掌握动态聚类的C-均值算法。
参考书：
边肇褀等编著. 模式识别. 清华大学出版社, 第二版, 2000.
注意：本文归作者所有，未经作者允许，不得转载
