Normalizacija i objektivne mere
🇬🇧
In English
In English
Practice Known Questions
Stay up to date with your due questions
Complete 5 questions to enable practice
Exams
Exam: Test your skills
Test your skills in exam mode
Learn New Questions
Manual Mode [BETA]
The course owner has not enabled manual mode
Specific modes
Learn with flashcards
multiple choiceMultiple choice mode
SpeakingAnswer with voice
TypingTyping only mode
Normalizacija i objektivne mere - Leaderboard
Normalizacija i objektivne mere - Details
Levels:
Questions:
33 questions
| 🇬🇧 | 🇬🇧 |
| Normalizacije je proces koji... | Ne menja strukture u slici ali proizvodi novu verziju originalnog snimka |
| Potreba za normalizacijom | Merenje razlika izmedju slika zahteva ujednacene globalne statistike |
| Kako bi merili razlike izmedju struktura a ne globalnih statistika moramo | Normalizovati slike |
| Sta je standardna normalizacija opsega | Svodjenje srednje vrednosti na nulu jedinicna varijansa |
| Zasto korisitmo standarndu normalizaciju opsega | Da bi slike koje se porede imale istu globalnu statistiku |
| Efekat normalizovane statistike | !prave razlike u strukturi postaju ociglednije! |
| Potreba za LOKALNOM normalizacijom | Cesto bas lokalne strukture definisu relevantne razlike: usaglasenje lokalne statistike izmedju signala |
| Harmonizacija svih lokalnih regiona unutar slike | Lokalna normalizacija |
| Kakva je slika dobijena z normalizacijom | Srednje vrednosti nula moze biti pozitivna i negativna |
| Istice lokalnu strukturu a ustrb lobalne statistike | Z normalizacija |
| Sta je veliki problem kod lokalne normalizacije (z) i kako se to resava | Sum.....koriscenjem kontante koja sprecava JACANJE suma |
| Efekat vrednosti konstante za sprecavanje jacanje suma | Velike vrednosti: suzbija sum ali i prave strukture slabog kontrasta manje vrednosti: pojacava sum i slabije strukture |
| Kako utice izbor velicine lokalnog regiona (kxk)? | Vece k: istice vece strukture manje k: istice finije detalje |
| .....omogucavaju pouzdano poredjenje merenja strukturnih razlika | Objektivne funkcije=merenje razdaljine |
| Navesti osnovne pristupe objektivnih funkcija | 1. Globalne statisticke mere 2.Informacione teoretske mere 3.Strukturne objektivne mere |
| Sve mere objektivnih funkcija proizvode.....koji odazava nivo slicnosti/razlike medju slikama | Skalarni rezultat |
| Mere objektivnih funkcija koje nemaju parametre ni prakticna ogranicenja | Globalne statisticke mere |
| Globalne statisticke mere su uglavnom primenljve ne...i racunaju se preko cele slike... | Slike sa slicnom statistikom....piksel po piksel |
| Navesti primere globalnih statistickih mera | Unakrsna korelacija zbir kvadratnih razlika zbir apsolutnih razlika |
| Nije stabilna i cesto se normalizuje za ogranicenje opsega vrednosti | Unakrsna korelacija |
| Zbir apsolutnih razlika je robustniji od....tj nije osetljiva na....ali ne daje... | Zbira kvadratnih razlika...outliere....kvadratnu optimizacionu povrsinu |
| Mere koje omogucuju poredjenje slika sa drugacijim statistikama | Informacione teoretske mere |
| Mere koje imaju podesive parametre i ogranicenja po broju odbiraka | Informacione teoretske mere |
| Mere kod kojih je pouzdanost statistike direktno proporcionalna kolicini podataka | Informacione teoretske mere |
| Primer informacionih teoretskih mera | Zajednicke informacije normalizovane zajednicke informacije najmanja opisana duzina |
| Strukturne objektivne mere | Gradijentene mere odziv orjentisanih filtara |
| Zajednicke informacije mere zavisnost dva signala tj | Koliko je lako predvideti jedan signal iz drugog |
| Koji su parametri zajendicke informacije nx,ny | Broj akumulatora u marginalnim i zajednickoj raspodeli |
| Uticaj izbora parametra nx,ny | Gusta rasporeda (veliko nx, ny) zahteva puno odbiraka previse retka gubi osetljivost |