Du befindest dich hier: FSI Informatik » Prüfungsfragen und Altklausuren » Hauptstudiumsprüfungen » Lehrstuhl 5 » intropr-15   (Übersicht)

Dies ist eine alte Version des Dokuments!

Prüfung: Introduction to Pattern Recognition 7.5 ECTS

Prüfer: Dr. Stefan Steidl

Allgemeines: Ruhige Atmosphäre. Ich hatte den Eindruck, dass Herr Steidl sehr präzise Antworten bevorzugt. Wenn man etwas unklar oder falsch formuliert oder aufschreibt, kann man sicher sein, dass eine Nachfrage dazu kommt. Bei der Benotung wird aber über die ein oder andere kleine Lücke oder schwammige Formulierung hinweggesehen.

  • Pattern Recognition Pipeline vorstellen

Hier kann man auch gleich ein paar der behandelten Themen nennen.

  • Eine kontinuierlich von 0 auf 16 kHz ansteigende Sinus-Welle wird mit einer Samplingrate von 16 kHz abgetastet. Was hören Sie?

Bis zur Hälfte steigt die Tonhöhe kontinuierlich an, dann sinkt sie wieder ab, weil höhere Frequenzen als die Abtastfrequenz in den niederfrequenten Bereich gemapped werden (Aliasing).

  • Was ist ein lineares System?

Definition eines morphologischen Systems hingeschrieben und darauf hingeweisen, dass T eine lineare Transformation ist, wenn man die Operatoren durch + und * ersetzt.

  • Was ist die Impulsantwort?

Dirac-Impuls; die Impulsantwort ist dann an Stelle jk, uv ist dann die Dirac-Funktion an Stelle j - u, k - v nach Anwender der Transformation T.

  • Filtermaske für Kantenerkennung hinschreiben

Z.B. Sobel-Operator [-1 0 1; -2 0 2; -1 0 1] in x- bzw. [-1 -2 -1; 0 0 0; 1 2 1] in y-Richtung.

  • Woher kommen die Zahlen für den Sobel-Operator?

Da habe ich argumentiert, dass der größere Kernel im Vergleich zu [-1 1] robuster gegen Rauschen ist und die mittlere Zeile höher gewichtet wird. Die Ableitung kann man durch die Vorwärtsdifferenz bestimmen ähnlich wie den Differenzialquotient lim h - > 0 ( ( f(x + h) - f(x) ) / h, wobei bei Bildern h=1 Pixel entspricht.

  • Das gehörte jetzt zur ersten Ableitung. Gibt es noch weitere?

Laplacian: Nullstellen der zweiten Ableitung. Laplacian Kernel: [0 1 0; 1 -4 1; 0 1 0]. Da die zweite Ableitung sehr empfindlich auf Rauschen reagiert, wendet man überlicherweise eine Rauschfiltermethode (Gauss) zuerst auf das Bild an. Da die Faltung distributiv ist, kann man Gauss- und Laplace-Filter auch zuerst falten (Laplacian of Gaussians).

  • Wie kommt man dann auf den Filterkernel?

Gauss-Funktion für ein- und mehrdimensionalen Fall hinschreiben. Erzählen, dass man die Gauss-Funktion zweimal ableiten und mit einem Sampling-Gitter abtasten müsse.

Morphologische Operation Binary closing. Kurz erklären, wie Erosion und Dilation funktionieren und wie daraus die Opening- und Closing-Operationen hervorgehen.

  • Geht das auch mit Graustufenbildern?

Ja, Erosion auf Graustufenbild entspricht minimum-Operation und hilft gegen weiße Pixel (Salt Noise), Dilation entspricht max und hilft gegen schwarze Bildpunkte (Pepper Noise).

  • Was ist der Unterschied zwischen heuristischen und analytischen Methoden zur Feature Extraction?