| 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 |
| svaki piksel se dobija normalizacijom odgovarajucim LOKALNIM statistickim parametrima (sr vrednost i std su karakteristicni za region R: kxk centriranom na x,y) | z 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 |
| Eliminiše globalne neusaglašenosti i ujednačava lokalnu
statistiku kroz ceo signal | z transformacija |
| .....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 |
| Konvolucija u tacki nultog pomeraja koja je vrlo osetljiva na globalne ralike | unakrsna korelacija |
| Nije stabilna i cesto se normalizuje za ogranicenje opsega vrednosti | unakrsna korelacija |
| zbir kvadratnih razlika je osetljiv na | outliere |
| 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 |
