Выписка из ГОС ВПО по направлению подготовки дипломированного специалиста 23010068 – Информатика и вычислительная техника: 1. Цели и задачи учебной дисциплины, ее место в учебном процессе 1.1. Цели и задачи изучения дисциплины Цель дисциплины - овладение основными понятиями теории распознавания образов (РО) и рассмотрение основных задач теории распознавания образов. Задачи дисциплины: Ознакомление с основными понятиями теории распознавания образов, Классификация систем распознавания, Постановка задачи распознавания, Рассмотреть статистические подходы к распознаванию образов, байесовский классификатор, Иметь представление о логических системах РО, иерархических системах и практических приложениях РО, Научить применять на практике методы распознавания образов. 1.2. Краткая характеристика дисциплины, ее место в учебном процессе Стремление расширить область применения цифровых вычислительных машин существует со времени их появления. В известной мере это связано с требованиями практики, с поиском наиболее эффективных способов деятельности. Отчасти это вызвано также вполне понятным стремлением к усовершенствованию конструкции или способов программирования с целью придать машинам новые, ранее недоступные им функции. Так или иначе обе эти причины имеют отношение к определенному разделу науки об искусственном интеллекте, который мы будем называть машинным восприятием. Способность машины воспринимать окружающий мир в настоящее время крайне ограниченна. Для преобразования света, звука, температуры и т. п. в электрические сигналы созданы разнообразные датчики. Если окружающая среда контролируется достаточно четко, а сигналы по своему смыслу просты, что имеет, например, место при применении обычных устройств ввода в ЭВМ, то задача восприятия оказывается несложной. Но, как только вместо считывания перфокарт или магнитных лент от машины требуется чтение рукописного текста или расшифровка биомедицинских фотографий, вместо задач ввода данных приходится иметь дело с гораздо более сложными задачами их интерпретации. Та видимая легкость, с которой животные и даже насекомые справляются с задачами восприятия, одновременно и ободряет, и обескураживает. Психологические и физиологические исследования дали ряд интересных результатов, касающихся процессов восприятия животными. Тем не менее этого пока недостаточно для воспроизведения процессов восприятия с помощью ЭВМ. Особую привлекательность этому вопросу придает и то обстоятельство, что восприятие есть нечто известное по опыту каждому, а вместе с тем. на деле никем не понятое. Бесполезными оказываются и попытки исследования сущности восприятия посредством самоанализа из-за того, что, по-видимому, большинство обычных процессов восприятия протекает подсознательно. Парадоксально, что все мы хорошо владеем восприятием, но никто из нас не знает о нем достаточно. Неполнота теории восприятия не помешала человеку попытаться решить менее сложные задачи. Ряд таких задач связан с классификацией образов — отнесением материальных объектов или явлений к одному из нескольких предопределенных классов. В результате широкого исследования вопросов классификации была получена абстрактная математическая модель, составившая теоретическую основу для разработки устройстваклассификатора. Естественно, что для каждой отдельной области применения требуется в конечном счете собрать воедино специфические характеристики конкретной задачи. Наибольшее внимание среди множества таких областей привлекли задачи, относящиеся к изображениям. Цель данной дисциплины — систематически изложить основные принципы теории классификации образов и тех методов анализа сцен, которые представляются наиболее широко применимыми и интересными. 1.3. Связь с предшествующими дисциплинами В данном курсе используются некоторые материалы «Моделирования», «Машинного обучения и автоматического образования понятий». 2. Требования к уровню освоения дисциплины В рамках курса решаются следующие задачи: Ознакомление с основными понятиями теории распознавания образов; Классификация систем распознавания; Постановка задачи распознавания; Рассмотреть статистические подходы к распознаванию образов, байесовский классификатор; Иметь представление о логических системах РО, иерархических системах и практических приложениях РО; Научить применять на практике методы распознавания образов; 3. Распределение учебных занятий по семестрам и тематический план дисциплины Таблица 1 Распределение видов и часов занятий по семестрам Вид занятий Лекции Лабораторные работы Самостоятельная работа Итого Количество часов в семестр 1 2 3 4 5 6 7 8 9 10 18 18 15 51 Всего 18 18 15 51 Таблица 2 Тематический план изучения дисциплины Количество часов Наименование разделов № Аудиторных Самостоятел Практ. Лаборато ьных (в том числе Лекции (сем.) рные контроль занятия работы СРС* Всего часов 1 Классификация образов 10 10 8 28 2 Анализ сцен 8 8 7 23 18 18 15 51 Итого часов 4. Содержание дисциплины 4.1. Теоретический курс Таблица 3 Теоретический курс Раздел, тема учебной дисциплины, содержание темы Раздел 1. Классификация образов Тема 1.1. Введение. 1.1.1. Машинное восприятие, модель классификации, описательный подход. Номер лекции Количество часов лекции СРС 1 1 1 1 Тема 1.3. Оценка параметров и обучение с учителем. 1.3.1. Оценка параметров и обучение с учителем, оценка по максимуму правдоподобия, байесовский классификатор, обучение при восстановлении среднего значения нормальной плотности, байесовское обучение в общем случае, достаточные статистики и семейство экспоненциальных функций, проблемы размерности, оценка уровня ошибки. 2 2 Тема 1.4. Непараметрические методы. 1.4.1 Оценка плотности распределения, Парзеновские окна, оценка методом kn ближайших соседей, оценка апостериорных вероятностей, правило ближайшего соседа, правило k ближайших соседей, аппроксимации путем разложения в ряд, аппроксимация для бинарного случая, линейный дискриминант Фишера, множественный дискриминантный анализ. 3 2 Тема 1.5. Линейные разделяющие функции. 1.5.1 Линейные разделяющие функции и поверхности решений, обобщенные линейные разделяющие функции, случай двух линейно разделимых классов, минимизация персептронной функции критерия, процедуры релаксаций, проведение процедур в случае неразделяемых множеств, процедуры 4 2 Тема 1.2. Байесовская теория решений 1.2.1. Байесовская теория решений – непрерывный случай, классификация в случае двух классов, классификация с минимальным уровнем ошибки, классификаторы, разделяющие функции и поверхности решений, вероятности ошибок и интегралы ошибок, нормальная плотность, разделяющие функции для случая нормальной плотности, Байесовская теория решений – дискретный случай, составная байесовская задача принятия решений и контекст. минимизации квадратичной ошибки, процедуры ХоКашьяпа, процедуры линейного программирования, метод потенциальных функций, обобщения для случая многих классов. 5 2 6 2 7 1 7 1 8 2 9 1 9 1 Тема 1.6. Обучение без учителя и группировка. 1.6.1 Плотность смеси и идентифицируемость, оценки по максимуму правдоподобия, приложение к случаю нормальных смесей, байесовское обучение без учителя, описание данных и группировка, меры подобия, функции критериев для группировки, итеративная оптимизация, иерархическая группировка, методы, использующие теорию графов, проблема обоснованности, представление данных в пространстве меньшей размерности и многомерное масштабирование, группировка и уменьшение размерности. Раздел 2. Анализ сцен. Тема 2.7. Представление изображений и их первоначальные упрощения. 2.7.1 Представление информации, пространственное дифференцирование, пространственное сглаживание, сравнение с эталоном, анализ областей, прослеживание контуров. Тема 2.8. Анализ пространственных частот. 2.8.1 Теорема отсчетов, сравнение с эталоном и теорема о свертке, пространственная фильтрация, среднеквадратичная оценка. Тема 2.9. Описания, линии и формы. 2.9.1 Описание линий, описание формы. Тема 2.10. Перспективные преобразования. 2.10.1 Моделирование процесса съемки изображения, перспективное преобразование в однородных координатах, перспективные преобразования с двумя системами отсчета, примеры применения, стереоскопическое восприятие. Тема 2.11. Проективные инварианты. 2.11.1 Сложное отношение, двумерные проективные координаты, линия, соединяющая объективы, аппроксимация ортогональным проектированием, восстановление объекта. Тема 2.12. Методы составления и обработки описаний в анализе сцен. 2.12.1 Формальное представление описаний, трехмерные модели, анализ многогранников. 4.2. Практические (семинарские) занятия 4.3. Лабораторные занятия Таблица 5 Лабораторные работы Номер лаб. работы Наименование лабораторной работы Статистический подход к задаче классификации образов Исследование процедур с учителем Исследование процедур без учителя Методы упрощения и описания изображений при помощи ЭВМ Формальное представление описаний 1 2 3 4 5 Номер раздела, тема дисциплины 1 Формы контроля выполнения работы Отчет, Защита 1 1 2 2 Объем в часах Аудиторных 3 СРС Отчет, Защита Отчет, Защита Отчет, Защита 4 3 3 3 4 4 Отчет, Защита 4 3 2 4.4. Курсовой проект (работа) 4.5. Самостоятельная работа студентов Таблица 6 Номера разделов и тем дисциплины Виды СРС 1 подготовка к выполнению и сдаче лабораторных работ Сроки выполне ния Формы контроля СРС Объём, часов 15 5. Учебно-методическое обеспечение дисциплины 5.1. Перечень рекомендуемой литературы 1. Статистический подход к задаче классификации образов. 1. 2. 3. Гончарский, Александр Владимирович. Реконструктивная обработка и анализ изображений в задачах вычислительной диагностики. - М.: Изд-во МГУ, 1993. 140с.: ил. Распознавание образов при помощи цифровых вычислительных машин: Сб. обзоров: Пер. с англ. / Под ред. Хармона Л. - М.: Мир, 1974. - 163с.: ил. Грановская, Рада Михайловна. Запоминание и узнавание фигур / Грановская Р. М., Березная И. Я.; Ленингр. гос. ун-т им. А. А. Жданова. - Л.: ЛГУ, 1974. - 96 с.: ил. 4. 5. 6. 7. 8. 9. Pattern recognition and image analysis. Advances in Mathematical Theory and Applications / editor-in-chief Yuri I. Zhuravlev ; Published in Cooperation with the Scientific Council "Cybernetics" ; Russian Academy of Sciences. - М.: МАИК "Наука/ INTERPERIODICA PUBLISHING", 1996. - Vol. 6, Number 4: OctoberDecember 1996. - c. 643-85. - На англ. яз. Моттль, Вадим Вячеславович. Скрытые марковские модели в структурном анализе сигналов: [Моногр. ]. - М.: ФИЗМАТЛИТ, 1999. - 351с. - ISBN 5-92210040-8. Распознавание образов: Сб. ст. / Отв. ред. Ковалевский В. А.; АН УССР, Науч. совет по пробл. 'Кибернетика', Ин-т кибернентики. - Киев: ИК, 1978. - 72с.: ил. Распознавание образов. Адаптивные системы: Труды Междунар. симпозиума по техн. и биол. проблемам управления. (Ереван, 24-28 сент. 1968 г.) / Отв. ред. Цыпкин Я. З. - М.: Наука, 1971. - 270с.: черт. Печерский, Сергей Львович. Теория игр для экономистов: вводный курс: учеб. пособие / Печерский С. Л., Беляева А. А.; Европейский ун-т в С. - Петербурге, Фак. экономики. - СПб.: Европ. ун-т, 2001. - 342 с.: граф. - ISBN 5-94380-013-1. Шамшев, Анатолий Борисович. Автоматизированное топологическое проектирование вычислительных сетей на основе байесовских сетей доверия: автореферат дис. на соиск. учен. степ. канд. техн. наук: спец. 05. 13. 12-Системы автоматизации проектир. по техн. наукам (пром-сть) / Шамшев А. Б.; Ульян. гос. техн. ун-т. - Ульяновск: УлГТУ, 2006. - 22 с.: ил. 2. Исследование процедур с учителем. 1. Лапко, Александр Васильевич. Непараметрические методы классификации и их применение. - Новосибирск: Наука. Сиб. отд-ние, 1993. - 152 с.: ил. 2. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов / Ф. Ф. Дедус, С. А. Махортых, М. Н. Устинин, А. Ф. Дедус; Под общ. ред. Ф. Ф. Дедуса. - М.: Машиностроение, 1999. - 356с.: рис. - ISBN 5-217-02929-3. 3. Горелик, Александр Леопольдович. Методы распознавания: учеб. пособие для студ. вузов, обучающихся по спец. "Автоматизированные системы обраб. информации и упр. " направления подготовки дипл. спец. "Информатика и вычисл. техн. ". - 4-е изд., испр. - М.: Высш. шк., 2004. - 261 с.: ил. - ISBN 5-06004396-7. 4. Автоматическое управление и вычислительная техника: [Сб. ст. / Редкол.: Солодовников В. В. (пред.) и др. - М.: Машиностроение, 1972. - Вып. 10: Распознавание образов. - 279с. 5. Анисимов, Борис Владимирович. Распознавание и цифровая обработка изображений: учеб. пособие для вузов по спец. "ЭВМ" и "АСУ". - М.: Высш. шк., 1983. - (Серия "Высшее образование"). - 295с.: ил. 6. Распознавание образов: Материалы конференции. - Тарту, 1972. - 212с. 7. Распознавание образов: состояние и перспективы: Пер. с англ. / Под ред. Гуревича И. Б. - М.: Радио и связь, 1985. - 103с.: ил. 8. Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-6-2002): Тр. 6 Междунар. конф. ( Великий Новгород, 21-26 октября 2002 г.): В 2 т. / Новгород. гос. ун-т им. Ярослава Мудрого; Отв. за выпуск Е. И. Зайцева. - Великий Новгород: НГУ, 2002. - Т. 1. - 375с. - ISBN 589896-189-5. 9. Распознавание образов при построении экономико-статистических моделей / [Беккер А. В., Ягольницер А. А., Колоколов Б. А., Гладких Б. А. ]; Отв. ред. Розин Б. Б., Миркин Б. Г. - Новосибирск: Наука. Сиб. отд-ние, 1975. - 92с. 10. 7th Pattern recognition and image analysis: new information technologies. PRIA - 7 2004 (St. Petersburg, 18 - 23 October, Russian Federation): conf. proceedings / Intern. assoc. for Pattern Recognition (IAPR), Assoc. for Pattern Recognition a. Image analysis of the Russian Federation, Russian acad. of sciences a. o. ; [Ed. Board: V. V. Geppener a. o. ]. - St. Petersburg: Electrotechn. Univ., 2004. - Vol. 1. - i-xviii, P. 1338, [3.: ill. - На англ. яз. - ISBN 5-7629-0631-О. 3. Исследование процедур без учителя. 1. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов / Ф. Ф. Дедус, С. А. Махортых, М. Н. Устинин, А. Ф. Дедус; Под общ. ред. Ф. Ф. Дедуса. - М.: Машиностроение, 1999. - 356с.: рис. - ISBN 5-217-02929-3. 2. Распознавание образов: Сб. ст. / Отв. ред. Ковалевский В. А.; АН УССР, Науч. совет по пробл. 'Кибернетика', Ин-т кибернентики. - Киев: ИК, 1978. - 72с.: ил. 3. Автоматическое управление и вычислительная техника: [Сб. ст. / Редкол.: Солодовников В. В. (пред.) и др. - М.: Машиностроение, 1972. - Вып. 10: Распознавание образов. - 279с. 4. Распознавание образов: состояние и перспективы: Пер. с англ. / Под ред. Гуревича И. Б. - М.: Радио и связь, 1985. - 103с.: ил. 5. Ту Дж. Принципы распознавания образов: пер. с англ. - М.: Мир, 1978. - 411 с. 6. Распознавание образов и анализ изображений: новые информационные технологии (РОАИ - 2 - 95): Тез. докл. 2- й Всерос. с участием стран СНГ конф. (г. Ульяновск, 28 августа- 1 сентября 1995 г.): В 4 ч. - Ульяновск: УлГТУ, 1995. Ч. 1: Распознавание образов. - 91 с. 7. Распознавание образов и анализ изображений: новые информационные технологии (РОАИ-6-2002): Тр. 6 Междунар. конф. ( Великий Новгород, 21-26 октября 2002 г.): В 2 т. / Новгород. гос. ун-т им. Ярослава Мудрого; Отв. за выпуск Е. И. Зайцева. - Великий Новгород: НГУ, 2002. - Т. 2. - 380с. - ISBN 589896-189-5. 8. Яхъяева, Гульнара Эркиновна. Нечеткие множества и нейронные сети: учеб. пособие. - М.: Интернет-Университет Информационных Технологий: Бином. Лаборатория знаний, 2006. - (Основы информационных технологий). - 315 с.: ил. - ISBN 5-94774-510-0 (Бином. ЛЗ). 9. Pattern recognition and image analysis. Advances in Mathematical Theory and Applications / editor-in-chief Yuri I. Zhuravlev ; Published in Cooperation with the Scientific Council "Cybernetics" ; Russian Academy of Sciences. - М.: МАИК "Наука/ INTERPERIODICA PUBLISHING", 1996. - Vol. 6, Number 1: JanuaryMarch 1996. - 230 с. - На англ. яз. 4. Методы упрощения и описания изображений при помощи ЭВМ. 1. Моттль, Вадим Вячеславович. Скрытые марковские модели в структурном анализе сигналов: [Моногр. ]. - М.: ФИЗМАТЛИТ, 1999. - 351с. - ISBN 5-92210040-8. 2. Автоматическое управление и вычислительная техника: [Сб. ст. / Редкол.: Солодовников В. В. (пред.) и др. - М.: Машиностроение, 1972. - Вып. 10: Распознавание образов. - 279с. 3. Распознавание образов: Материалы конференции. - Тарту, 1972. - 212с. 4. Распознавание образов: Исследование живых и автомат. распознающих систем / [Колерс П., Кейсер С., Халле М. и др. ]. - М.: Мир, 1970. - 288с.: черт. 5. Фор, Ален. Восприятие и распознавание образов: Пер. с фр. / Катыс, Г. П.; Под ред. Катыса Г. П. - М.: Машиностроение, 1989. - 271с.: ил. 6. Распознавание образов и анализ изображений: новые информационные технологии (РОАИ - 2 - 95): Тез. докл. 2- й Всерос. с участием стран СНГ конф. (г. Ульяновск, 28 августа- 1 сентября 1995 г.): В 4 ч. - Ульяновск: УлГТУ, 1995. Ч. 2: Анализ изображений и обработка сигналов. - 208 с. 7. Распознавание образов и анализ изображений: новые информационные технологии (РОАИ - 2 - 95): Тез. докл. 2- й Всерос. с участием стран СНГ конф. (г. Ульяновск, 28 августа- 1 сентября 1995 г.): В 4 ч. - Ульяновск: УлГТУ, 1995. Ч. 4: Информационные системы и базы данных для поддержки информационных технологий распознавания образов и анализа изображений. Аппаратные средства распознавания образов, анализа изображений и обработки сигналов. 183 с. 8. Рамбиди Н. Г. Нейрокомпьютеры и их применение: учеб. пособие / Гребенников Е. П., Адамацкий А. И., Девятков А. Г., Яковенчук Д. В.; Под ред. Н. Г. Рамбиди. - М.: ИПРЖР, 2002. - Кн. 33: Биомолекулярные нейросетевые устройства. 224с.: ил. - ISBN 5-93108-014-7. 9. Быстров, Юрий Александрович. Электронные приборы для отображения информации. - М.: Радио и связь, 1985. - 239 с.: ил. 5. Формальное представление описаний. 1. 2. 3. 4. 5. 6. 7. 8. 9. Обобщенный спектрально-аналитический метод обработки информационных массивов. Задачи анализа изображений и распознавания образов / Ф. Ф. Дедус, С. А. Махортых, М. Н. Устинин, А. Ф. Дедус; Под общ. ред. Ф. Ф. Дедуса. - М.: Машиностроение, 1999. - 356с.: рис. - ISBN 5-217-02929-3. Распознавание образов: Материалы конференции. - Тарту, 1972. - 212с. Распознавание образов: Теория и прил.: Сб. ст. / Отв. ред. Турбович И. Т.; АН СССР, Ин-т проблем передачи информации. - М.: Наука, 1977. - 126с.: ил. Фукунага К. Введение в статистическую теорию распознавания образов: Пер. с англ. / Дорофеюк А. А.; Под ред. А. А. Дорофеюка. - М.: Наука, 1979. - 367с.: ил. Распознавание образов и анализ изображений: новые информационные технологии (РОАИ - 2 - 95): Тез. докл. 2- й Всерос. с участием стран СНГ конф. (г. Ульяновск, 28 августа- 1 сентября 1995 г.): В 4 ч. - Ульяновск: УлГТУ, 1995. - Ч. 3: Прикладные задачи распознаваний образов, анализа изображений и обработки сигналов. - 219 с. Читающие автоматы и распознавание образов: Сб. ст. / Отв. ред. Ковалевский В. А. - Киев: Наук. думка, 1965. - 288с.: ил. Харкевич, Александр Александрович. Избранные труды: В 3 т. / Харкевич А. А.; Акад. наук СССР, Ин-т проблем передачи информации. - М.: Наука, Б. г. Т. 3: Теория информации. Опознание образов. - 524 с.: ил. - На пер. только авт. и загл части. Гайдышев, Игорь Павлович. Решение научных и инженерных задач средствами Excel, VBA и C/ C++. - СПб.: BHV-Санкт-Петербург, 2004. - (Мастер решений). - 504 с.: ил. + 1 электрон. опт. дис. - На CD помещены примеры доп. модулей для электрон. таблиц. Доспупны полные исходные тексты и проекты для различных средств разработки. - ISBN 5-94157-477-0. Башмаков, Александр Игоревич. Интеллектуальные информационные технологии: учеб. пособие для студ. вузов. - М.: Изд-во МГТУ им. Н. Э. Баумана, 2005. - (Информация в техническом университете). - 302 с.: ил. - ISBN 5-7038-2544-X. 5.2. Методические рекомендации (материалы) преподавателю 5.3. Методические рекомендации студентам 1. [Электронный ресурс] : Методические указания к лабораторным работам по курсу «Распознавание образов и анализ сцен» / сост. : Куцоконь Н.С.– Режим доступа к журн. : http://sumi.ustu/discip/. 6. Формы и методика текущего, промежуточного и итогового контроля Контроль выполнения лабораторных работ осуществляется в течение семестра. Форма контроля - защита лабораторной работы у доски, проверка отчета к лабораторной работе. Вопрос на зачет предусматривает ответ в обзорной форме, показывающей уровень эрудированности студента в рамках данного вопроса. Примерный перечень вопросов к зачету. 1. Введение. Машинное восприятие, модель классификации, описательный подход. 2. Байесовская теория решений – непрерывный случай, классификация в случае двух классов, классификация с минимальным уровнем ошибки, классификаторы, разделяющие функции и поверхности решений 3. Байесовская теория решений – вероятности ошибок и интегралы ошибок, нормальная плотность, разделяющие функции для случая нормальной плотности, Байесовская теория решений – дискретный случай, составная байесовская задача принятия решений и контекст. 4. Оценка параметров и обучение с учителем - оценка по максимуму правдоподобия, байесовский классификатор, обучение при восстановлении среднего значения нормальной плотности. 5. Оценка параметров и обучение с учителем - байесовское обучение в общем случае, достаточные статистики и семейство экспоненциальных функций, проблемы размерности, оценка уровня ошибки. 6. Непараметрические методы - Оценка плотности распределения, Парзеновские окна, оценка методом kn ближайших соседей, оценка апостериорных вероятностей, правило ближайшего соседа, правило k ближайших соседей. 7. Непараметрические методы - аппроксимации путем разложения в ряд, аппроксимация для бинарного случая, линейный дискриминант Фишера, множественный дискриминантный анализ. 8. Линейные разделяющие функции и поверхности решений, обобщенные линейные разделяющие функции, случай двух линейно разделимых классов. 9. Линейные разделяющие функции - минимизация персептронной функции критерия, процедуры релаксаций, проведение процедур в случае неразделяемых множеств, процедуры минимизации квадратичной ошибки. 10. Линейные разделяющие функции - процедуры Хо-Кашьяпа, процедуры линейного программирования, метод потенциальных функций, обобщения для случая многих классов. 11. Обучение без учителя и группировка - Плотность смеси и идентифицируемость, оценки по максимуму правдоподобия, приложение к случаю нормальных смесей. 12. Обучение без учителя и группировка - байесовское обучение без учителя, описание данных и группировка, меры подобия, функции критериев для группировки, итеративная оптимизация, иерархическая группировка. 13. Обучение без учителя и группировка - методы, использующие теорию графов, проблема обоснованности, представление данных в пространстве меньшей размерности и многомерное масштабирование, группировка и уменьшение размерности. 14. Представление изображений и их первоначальные упрощения. Представление информации, пространственное дифференцирование, пространственное сглаживание, сравнение с эталоном, анализ областей, прослеживание контуров. 15. Анализ пространственных частот.Теорема отсчетов, сравнение с эталоном и теорема о свертке, пространственная фильтрация, среднеквадратичная оценка. 16. Описание линий, описание формы. 17. Моделирование процесса съемки изображения, перспективное преобразование в однородных координатах, перспективные преобразования с двумя системами отсчета, примеры применения, стереоскопическое восприятие. 18. Проективные инварианты. Сложное отношение, двумерные проективные координаты, линия, соединяющая объективы, аппроксимация ортогональным проектированием, восстановление объекта. 19. Методы составления и обработки описаний в анализе сцен. Формальное представление описаний, трехмерные модели, анализ многогранников.