Restauracja a poprawa jakości obrazów
|
|
- Justyna Świątek
- 5 lat temu
- Przeglądów:
Transkrypt
1 Restauracja obrazów Zadaniem metod restauracji obrazu jest taie jego przeształcenie aby zmniejszyć (usunąć) znieształcenia obrazu powstające przy jego rejestracji. Suteczność metod restauracji obrazu zależy od wiedzy o przyczynie znieształcającej obraz oraz od przyjętej miary jaości orygowanego obrazu.
2 Restauracja a poprawa jaości obrazów Poprawa jaości obrazu Restauracja obrazu Heurystyczne ryteria poprawy jaości; nieonieczny jest model obrazu i model znieształceń np. retusz zdjęć Kryteria analityczne - onieczny model obrazu i model znieształceń np. reducja efetu rozmycia obrazu w wyniu poruszenia amery względem obietu;
3 Model znieształcenia obrazu Obraz źródłowy Obraz znieształcony znieształcenie η(x,y) f(x,y) H(.) + g(x,y) g ( x, y) H[ f ( x, y) ] + η( x, y)
4 g Model znieształcenia obrazu Załada się, że funcja degradacji H(.) jest liniowa oraz niezmienna względem przesunięcia, zatem znieształcenie obrazu można modelować całą splotową postaci: ( x, y) f ( α, β ) h( x α, y β ) dα dβ + η( x, y) oraz jej równoważną postacią w dziedzinie widma: H F N G +
5 Estymacja funcji degradacji obrazu Metody estymacji funcji degradacji obrazu: zbudowanie modelu matematycznego funcji degradacji (przyład w dalszej części wyładu), odtworzenie warunów awizycji obrazu, w tórych wystąpiła degradacja obrazu, ocena znieształceń elementów obrazu o znanych parametrach, np. dostępnego wzorca.
6 Budowa modelu funcji degradacji Obraz uzysany w wyniu liniowego, jednostajnego przemieszczenia obrazu dla czasu espozycji T: g T ( x, y) f ( x x ( t), y y ( t )dt ) Transformata Fouriera obrazu po degradacji: g( x, y) exp[ j2π ( ux vy) ] dx dy G +
7 Budowa modelu funcji degradacji ( f ( x x ( t), y y ( t) ) dt exp[ j2π ( ux + vy) ] dx dy G u T, Po odwróceniu olejności całowania i zastosowaniu własności przesunięcia transformaty Fouriera: (, F( u, exp j2π ( ux ( t) vy ( t ) G u T [ ) ]dt 0 H
8 Budowa modelu funcji degradacji Załóżmy, że przemieszczenie jest wzdłuż osi OX i jest jednostajne, tj. x 0 At/T i y 0 0. H T 0 dt exp exp[ j2πux ( t) ] 0 T πua sin ( ) j ua πua e H(u, posiada miejsca zerowe (!) dla ui/a, gdzie i jest liczbą całowitą. T 0 π j2πuat T dt
9 Transmitancja funcji degradacji obrazu H(u, H T sin c( πua) T1; A u Miejsca zerowe: ui/a0.313, 0.626,..
10 Obraz po zastosowaniu funcji degradacji f(x,y) g(x,y) Degradacja Obraz wzorcowy N*N 256*256 Obraz znieształcony, przesunięcie: A1/8*N32
11 Filtr odwrotny Korzystając z modelu degradacji postaci: H F N G + Widmo obrazu źródłowego można estymować równaniem: Fˆ H 1 G u (, F + H 1 N Filtr odwrotny
12 Filtr Wienera Filtr Wienera jest dany wzorem: Fˆ H H * 2 S ( ) η u, v + S f G u (, W G gdzie: H 2 * H H ( u ( u S, η S f, gęstość widmowa mocy sładowej załócenia gęstość widmowa mocy obrazu wzorcowego
13 Filtr Wienera - dysusja Równoważna postać Filtru Wienera: Fˆ H 1 H H 2 + S S 2 η f G u K (, dla S η (u, 0 lub K 0 filtr Wienera jest filtrem odwrotnym, dla K filtr Wienera ma charater filtru dolnoprzepustowego.
14 Filtr Wienera - dysusja W sytuacji gdy S f (u, oraz S η (u, są nieznane, filtr Wienera aprosymuje się zależnością: gdzie K R +. H F ˆ 1 G u, H 2 H + K ( W pratyce przyjmuje się K ~ σ 2, gdzie σ 2 jest łatwą do estymacji wariancją załócenia. 2
15 S f (u, Filtr Wienera - przyładowe charaterystyi S η (u, u H(u, 2 u W(u, 1 0 Filtr odwrotny u u Filtr dolnoprzepustowy
16 Przyłady restauracji obrazu SNR1 SNR10 SNR100 Addison-Wesley Obrazy znieształcone Filtr odwrotny Filtr Wienera
17 Przyłady restauracji obrazu Obraz i jego widmo Filtr i jego widmo Obraz po degradacji i jego widmo (7x7)
18 Wynii restauracji obrazu Filtr odwrotny Filtr Wienera Obraz znieształcony (rozmycie+załócenie)
19 ximread('text.tif'); % czytaj obraz figure(1), imshow(x); % wyświetl obraz N256; M7; % wymiar obrazu i wymiar ona filtru hgfspecial('average',m); hhgzeros(n,n); hhg(n/2-(m-1)/2:n/2+(m-1)/2, N/2-(M-1)/2:N/2+(M-1)/2)hg; % obraz masi filtru yfilter2(hg,x); % filtracja dolnoprzepustowa yy *randn(256,256); % dodanie załócenia gaussowsiego figure(2), imshow(y); MATLAB Yfft2(y); % FFT obrazu załóconego i rozmytego Xfft2(x); % FFT obrazu źródłowego Hgfft2(hhg); % FFT filtru dolnoprzepustowego % wyświetlanie widm figure(3), imshow(log(abs(fftshift(x)))+1,[ ]); figure(4), imshow(log(abs(fftshift(y)))+1,[ ]); figure(5), imshow(log(abs(fftshift(hg)))+1,[ ]); XpY./Hg; xpabs(ifft2(xp)); figure, imshow(fftshift(xp),[ ]); % filtracja odwrotna w dziedzinie widma % IFFT
20 Przyład interatywnej restauracji obrazu FFT IFFT
21 Znieształcenia geometryczne Niech obraz f(x,y) podlega znieształceniu geometrycznemu w wyniu tórego jest otrzymywany obraz g(x,y ). Taie przeształcenie współrzędnych (x,y) (x,y ) można zapisać za pomocą pary funcji: x' y' r( x, s( x, y) y) np. dla r(x,y) x/2, s(x,y)y/2 obraz jest dwurotnie zmniejszany.
22 Korecja znieształceń geometrycznych Oreślenie znieształceń r(x,y) i s(x,y) dla ażdego z puntów obrazu jest w pratyce nieuzasadnione. Znieształcenia te estymuje się dla podzbioru puntów obrazu (np. 8 8) regularnie rozmieszczonych w obrazie. ( x, y ) ' ' ( x, y ) x y ' ' r( x s( x,, y y ) ) f ( x, y) g( x', y')
23 Korecja znieształceń geometrycznych s( x, y ) r( x, y ) 1,2, K, 64
24 Funcje znieształcające r(x,y) i s(x,y) można aprosymować wielomianem drugiego stopnia: ), '( ), '( y b xy b x b y b b x b y x s y a xy a x a y a x a a y x r Aprosymacja taa wymaga wyznaczenia 12 współczynniów a 0, a 1,, a 5 i b 0, b 1,, b 5. Korecja znieształceń geometrycznych
25 Szuane współczynnii można wyznaczyć minimalizując funcje błędu: ( ) ( ) M s M r y x s y x s e y x r y x r e ), ( ), '( ), ( ), '( Próbi pomierzone, np. dla węzłów regularnej siati M>6 Korecja znieształceń geometrycznych
26 Korecja znieształceń geometrycznych s( x, y ) Współrzędne obrazu po orecji: ( x', y' ) x y x ' y' r( x', s( x', y') y') ( x, y ) r( x, y )
27 Korecja znieształceń geometrycznych Obraz z widocznymi znieształceniami geometrycznych Obraz po orecji znieształceń geometrycznych
28 Rodzaje znieształceń geometrycznych oryginał beczowe poduszowe perspetywiczne sośne rotacyjne
29 Procedura orecji znieształceń geometrycznych Demo video
30 Korecja znieształceń geometrycznych - przyłady Copyright 2005 Altostorm Software
(u) y(i) f 1. (u) H(z -1 )
IDETYFIKACJA MODELI WIEERA METODAMI CZĘSTOTLIWOŚCIOWYMI Opracowanie: Anna Zamora Promotor: dr hab. inż. Jarosław Figwer Prof. Pol. Śl. MODELE WIEERA MODELE WIEERA Modele obietów nieliniowych Modele nierozłączne
Bardziej szczegółowoSygnały stochastyczne
Sygnały stochastyczne Zmienne losowe E zbiór zdarzeń elementarnych (zbiór możliwych wyniów esperymentu) e E zdarzenie elementarne (wyni esperymentu) B zbiór wybranych podzbiorów zbioru E β B zdarzenie
Bardziej szczegółowoPrzekształcenie Fouriera obrazów FFT
Przekształcenie ouriera obrazów T 6 P. Strumiłło, M. Strzelecki Przekształcenie ouriera ourier wymyślił sposób rozkładu szerokiej klasy funkcji (sygnałów) okresowych na składowe harmoniczne; taką reprezentację
Bardziej szczegółowoFiltracja pomiarów z głowic laserowych
dr inż. st. of. Paweł Zalewsi Filtracja pomiarów z głowic laserowych słowa luczowe: filtracja pomiaru odległości, PNDS Założenia filtracji pomiaru odległości. Problem wyznaczenia odległości i parametrów
Bardziej szczegółowoZaliczenie wykładu Technika Analogowa Przykładowe pytania (czas zaliczenia minut, liczba pytań 6 8)
Zaliczenie wyładu Technia Analogowa Przyładowe pytania (czas zaliczenia 3 4 minut, liczba pytań 6 8) Postulaty i podstawowe wzory teorii obowdów 1 Sformułuj pierwsze i drugie prawo Kirchhoffa Wyjaśnij
Bardziej szczegółowoTEORIA OBWODÓW I SYGNAŁÓW LABORATORIUM
EORI OBWODÓW I SYGNŁÓW LBORORIUM KDEMI MORSK Katedra eleomuniacji Morsiej Ćwiczenie nr 2: eoria obwodów i sygnałów laboratorium ĆWICZENIE 2 BDNIE WIDM SYGNŁÓW OKRESOWYCH. Cel ćwiczenia Celem ćwiczenia
Bardziej szczegółowoPodstawy Automatyki Zbiór zadań dla studentów II roku AiR oraz MiBM
Aademia GórniczoHutnicza im. St. Staszica w Kraowie Wydział Inżynierii Mechanicznej i Robotyi Katedra Automatyzacji Procesów Podstawy Automatyi Zbiór zadań dla studentów II rou AiR oraz MiBM Tomasz Łuomsi
Bardziej szczegółowoWykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji
Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,
Bardziej szczegółowoWybrane rozkłady zmiennych losowych i ich charakterystyki
Rozdział 1 Wybrane rozłady zmiennych losowych i ich charaterystyi 1.1 Wybrane rozłady zmiennych losowych typu soowego 1.1.1 Rozład równomierny Rozpatrzmy esperyment, tóry może sończyć się jednym z n możliwych
Bardziej szczegółowoFiltracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej
Filtracja obrazów w dziedzinie częstotliwości w dziedzinie przestrzennej filtry liniowe filtry nieliniowe Filtracja w dziedzinie częstotliwości Obraz oryginalny FFT2 IFFT2 Obraz po filtracji f(x,y) H(u,v)
Bardziej szczegółowoPodstawy rachunku prawdopodobieństwa (przypomnienie)
. Zdarzenia odstawy rachunu prawdopodobieństwa (przypomnienie). rawdopodobieństwo 3. Zmienne losowe 4. rzyład rozładu zmiennej losowej. Zdarzenia (events( events) Zdarzenia elementarne Ω - zbiór zdarzeń
Bardziej szczegółowoWYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g. zakres rozszerzony
WYMAGANIA Z WIEDZY I UMIEJĘTNOŚCI NA POSZCZEGÓLNE STOPNIE SZKOLNE DLA KLASY 3g zares rozszerzony 1. Wielomiany bardzo zna pojęcie jednomianu jednej zmiennej; potrafi wsazać jednomiany podobne; potrafi
Bardziej szczegółowoRACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5.
RACHUNEK PRAWDOPODOBIEŃSTWA WYKŁAD 5. PODSTAWOWE ROZKŁADY PRAWDOPODOBIEŃSTWA Rozłady soowe Rozład jednopuntowy Oreślamy: P(X c) 1 gdzie c ustalona liczba. 1 EX c, D 2 X 0 (tylo ten rozład ma zerową wariancję!!!)
Bardziej szczegółowoModelowanie zależności. Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski
Modelowanie zależności pomiędzy zmiennymi losowymi Matematyczne podstawy teorii ryzyka i ich zastosowanie R. Łochowski P Zmienne losowe niezależne - przypomnienie Dwie rzeczywiste zmienne losowe X i Y
Bardziej szczegółowo2. P (E) = 1. β B. TSIM W3: Sygnały stochastyczne 1/27
SYGNAŁY STOCHASTYCZNE Przestrzeń probabilistyczna i zmienna losowa Definicja Przestrzenią probabilistyczną (doświadczeniem) nazywamy trójkę uporządkowaną (E, B, P ), gdzie: E przestrzeń zdarzeń elementarnych;
Bardziej szczegółowoWykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji
Fotonika Wykład 6: Reprezentacja informacji w układzie optycznym; układy liniowe w optyce; podstawy teorii dyfrakcji Plan: pojęcie sygnału w optyce układy liniowe filtry liniowe, transformata Fouriera,
Bardziej szczegółowoDetekcja i śledzenie ruchomych obiektów w obrazie
Detecja i śledzenie ruchomych oietów w orazie Piotr Dala Plan prezentacji Wprowadzenie Metody wyrywania oietów ruchomych Podstawowe metody Modelowanie tła Usuwanie cienia Przetwarzanie morfologiczne Metody
Bardziej szczegółowoRóżne reżimy dyfrakcji
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Różne reżimy
Bardziej szczegółowoPropagacja w przestrzeni swobodnej (dyfrakcja)
Fotonika Wykład 7 - Sposoby wyznaczania obrazu dyfrakcyjnego - Przykłady obrazów dyfrakcyjnych w polu dalekim obliczonych przy użyciu dyskretnej transformaty Fouriera - Elementy dyfrakcyjne Propagacja
Bardziej szczegółowoładunek do przewiezienia dwie możliwości transportu
ładune do przewiezienia dwie możliwości transportu Potrzeba jest przesłać np. 10 Mb/s danych drogą radiową jedna ala nośna Kod NRZ + modulacja PSK czas trwania jednego bitu 0,1 us przy możliwej wielodrogowości
Bardziej szczegółowoPolitechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki
Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania Podsta Automatyki Transmitancja operatorowa i widmowa systemu, znajdowanie odpowiedzi w dziedzinie s i w
Bardziej szczegółowoFILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI
FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI ( frequency domain filters) Każdy człon F(u,v) zawiera wszystkie wartości f(x,y) modyfikowane przez wartości członów wykładniczych Za wyjątkiem trywialnych przypadków
Bardziej szczegółowoWykład 9. Fizyka 1 (Informatyka - EEIiA 2006/07)
Wyład 9 Fizya 1 (Informatya - EEIiA 006/07) 9 11 006 c Mariusz Krasińsi 006 Spis treści 1 Ruch drgający. Dlaczego właśnie harmoniczny? 1 Drgania harmoniczne proste 1.1 Zależność między wychyleniem, prędością
Bardziej szczegółowoRekonstrukcja obrazu (Image restoration)
Rekonstrukcja obrazu (Image restoration) Celem rekonstrukcji obrazu cyfrowego jest odtworzenie obrazu oryginalnego na podstawie obrazu zdegradowanego. Obejmuje ona identyfikację procesu degradacji i próbę
Bardziej szczegółowoPrzetwarzanie sygnałów biomedycznych
Przetwarzanie sygnałów biomedycznych Wyład II Analiza widmowa Dostosowanie narzędzi teorii analizy widmowej do potrzeb pratycznej analizy sygnałów Rozważania analityczne przeształcenie Fouriera - w przedziale
Bardziej szczegółowoef 3 (dziedzina, dziedzina naturalna) Niech f : A R, gdzie A jest podzbiorem płaszczyzny lub przestrzeni Zbiór A nazywamy dziedziną funcji f i oznacza
FUNKCJE WÓCH I TRZECH ZMIENNYCH (było w semestrze II) ef 1 (funcja dwóch zmiennych) Funcją f dwóch zmiennych oreśloną na zbiorze A R o wartościach w R nazywamy przyporządowanie ażdemu puntowi ze zbioru
Bardziej szczegółowoRównanie Fresnela. napisał Michał Wierzbicki
napisał Michał Wierzbici Równanie Fresnela W anizotropowych ryształach optycznych zależność między wetorami inducji i natężenia pola eletrycznego (równanie materiałowe) jest następująca = ϵ 0 ˆϵ E (1)
Bardziej szczegółowoUwaga 1.1 Jeśli R jest relacją w zbiorze X X, to mówimy, że R jest relacją w zbiorze X. Rozważmy relację R X X. Relację R nazywamy zwrotną, gdy:
Matematya dysretna - wyład 1. Relacje Definicja 1.1 Relacją dwuargumentową nazywamy podzbiór produtu artezjańsiego X Y, tórego elementami są pary uporządowane (x, y), taie, że x X i y Y. Uwaga 1.1 Jeśli
Bardziej szczegółowoPrzetwarzanie i transmisja danych multimedialnych. Wykład 8 Transformaty i kodowanie cz. 2. Przemysław Sękalski.
Przetwarzanie i transmisja danych multimedialnych Wykład 8 Transformaty i kodowanie cz. 2 Przemysław Sękalski sekalski@dmcs.pl Politechnika Łódzka Katedra Mikroelektroniki i Technik Informatycznych DMCS
Bardziej szczegółowoZAJĘCIA II. Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe
ZAJĘCIA II Zmienne losowe, sygnały stochastyczne, zakłócenia pomiarowe Po co statystyka w identyfikacji? Zmienne losowe i ich parametry Korelacja zmiennych losowych Rozkłady wielowymiarowe i sygnały stochastyczne
Bardziej szczegółowoZARYS METODY OPISU KSZTAŁTOWANIA SKUTECZNOŚCI W SYSTEMIE EKSPLOATACJI WOJSKOWYCH STATKÓW POWIETRZNYCH
Henry TOMASZEK Ryszard KALETA Mariusz ZIEJA Instytut Techniczny Wojs Lotniczych PRACE AUKOWE ITWL Zeszyt 33, s. 33 43, 2013 r. DOI 10.2478/afit-2013-0003 ZARYS METODY OPISU KSZTAŁTOWAIA SKUTECZOŚCI W SYSTEMIE
Bardziej szczegółowoALGEBRA Z GEOMETRIĄ ANALITYCZNĄ
ALGEBRA Z GEOMETRIĄ ANALITYCZNĄ LISTA ZADAŃ 1 1 Napisać w formie rozwiniętej następujące wyrażenia: 4 (a 2 + b +1 =0 5 a i b j =1 n a i b j =1 n =0 (a nb 4 3 (! + ib i=3 =1 2 Wyorzystując twierdzenie o
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoA. Cel ćwiczenia. B. Część teoretyczna
A. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wsaźniami esploatacyjnymi eletronicznych systemów bezpieczeństwa oraz wyorzystaniem ich do alizacji procesu esplatacji z uwzględnieniem przeglądów
Bardziej szczegółowo1.1 Przegląd wybranych równań i modeli fizycznych. , u x1 x 2
Temat 1 Pojęcia podstawowe 1.1 Przegląd wybranych równań i modeli fizycznych Równaniem różniczkowym cząstkowym rzędu drugiego o n zmiennych niezależnych nazywamy równanie postaci gdzie u = u (x 1, x,...,
Bardziej szczegółowoAnaliza zniekształceń procesu print-scan w metodach steganografii zdjęć drukowanych. Włodzimierz Kasprzak Maciej Stefańczyk Jan Popiołkiewicz
Analiza znieształceń procesu print-scan w metodach steganografii zdjęć druowanych Włodzimierz Kasprza Maciej Stefańczy Jan Popiołiewicz Biometria 2012 Warszawa, 13.12.2012 W.Kasprza@ela.pw.edu.pl Treść
Bardziej szczegółowoDSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH. Ćwiczenie 5. Przemysław Korohoda, KE, AGH
DSP-MATLAB, Ćwiczenie 5, P.Korohoda, KE AGH Instrucja do laboratorium z cyfrowego przetwarzania sygnałów Ćwiczenie 5 Wybrane właściwości Dysretnej Transformacji Fouriera Przemysław Korohoda, KE, AGH Zawartość
Bardziej szczegółowoi = n = n 1 + n 2 1 i 2 n 1. n(n + 1)(2n + 1) n (n + 1) =
Druga zasada inducji matematycznej Niech m będzie liczbą całowitą, niech p(n) będzie ciągiem zdań zdefiniowanych na zbiorze {n Z: n m} oraz niech l będzie nieujemną liczbą całowitą. Jeśli (P) wszystie
Bardziej szczegółowoRównania różniczkowe liniowe wyższych rzędów o stałych współcz
Równania różniczkowe liniowe wyższych rzędów o stałych współczynnikach Katedra Matematyki i Ekonomii Matematycznej SGH 12 maja 2016 Równanie liniowe n-tego rzędu Definicja Równaniem różniczkowym liniowym
Bardziej szczegółowoMatematyka dyskretna. Wykład 2: Kombinatoryka. Gniewomir Sarbicki
Matematya dysretna Wyład 2: Kombinatorya Gniewomir Sarbici Kombinatorya Definicja Kombinatorya zajmuje się oreślaniem mocy zbiorów sończonych, w szczególności mocy zbiorów odwzorowań jednego zbioru w drugi
Bardziej szczegółowo1 Warunkowe wartości oczekiwane
Warunkowe wartości oczekiwane W tej serii zadań rozwiążemy różne zadania związane z problemem warunkowania.. (Eg 48/) Załóżmy, że X, X, X 3, X 4 są niezależnymi zmiennymi losowymi o jednakowym rozkładzie
Bardziej szczegółowoMetody Lagrange a i Hamiltona w Mechanice
Metody Lagrange a i Hamiltona w Mechanice Mariusz Przybycień Wydział Fizyi i Informatyi Stosowanej Aademia Górniczo-Hutnicza Wyład 12 M. Przybycień (WFiIS AGH Metody Lagrange a i Hamiltona... Wyład 12
Bardziej szczegółowoWażne rozkłady i twierdzenia c.d.
Ważne rozkłady i twierdzenia c.d. Funkcja charakterystyczna rozkładu Wielowymiarowy rozkład normalny Elipsa kowariacji Sploty rozkładów Rozkłady jednostajne Sploty z rozkładem normalnym Pobieranie próby
Bardziej szczegółowo3 1 + i 1 i i 1 2i 2. Wyznaczyć macierze spełniające własność komutacji: [A, X] = B
1. Dla macierzy a) A = b) A = c) A = d) A = 3 1 + i 1 i i i 0 i i 0 1 + i 1 i 0 0 0 0 1 0 1 0 1 + i 1 i Wyznaczyć macierze spełniające własność komutacji: A, X = B. Obliczyć pierwiaski z macierzy: A =
Bardziej szczegółowoPrzetwarzanie sygnałów z czasem ciągłym
Przetwarzanie sygnałów z czasem ciągłym Model systemowy układu p( t ) r ( t) wejście Układ wyjście p( t ) pobudzenie r ( t) reakcja Układ wykonuje pewną operację { i } na sygnale wejściowym p t (pobudzeniu),
Bardziej szczegółowoDYSKRETNA TRANSFORMACJA FOURIERA
Laboratorium Teorii Sygnałów - DFT 1 DYSKRETNA TRANSFORMACJA FOURIERA Cel ćwiczenia Celem ćwiczenia jest przeprowadzenie analizy widmowej sygnałów okresowych za pomocą szybkiego przekształcenie Fouriera
Bardziej szczegółowo1 Relacje i odwzorowania
Relacje i odwzorowania Relacje Jacek Kłopotowski Zadania z analizy matematycznej I Wykazać, że jeśli relacja ρ X X jest przeciwzwrotna i przechodnia, to jest przeciwsymetryczna Zbadać czy relacja ρ X X
Bardziej szczegółowo3 k a 2k + 3 k b 2k = φ((a k ) k=1 ) + φ((b k) k=1 ). a 2k p 3 q (1 3 q ) 1 (a k ) k=1 p,
Zadanie 1. Sprawdzić, czy formuła φa ) ) = 3 a 2 zadaje funcjonał liniowy na l p dla p [1, ] i na c, jeśli ta, to czy zadaje funcjonał ciągły, i jeśli ta, policzyć normę. Dowód. Sprawdzam liniowość: φλa
Bardziej szczegółowoPrzestrzenie liniowe
ALGEBRA LINIOWA 2 Wydział Mechaniczny / AIR, MTR Semestr letni 2009/2010 Prowadzący: dr Teresa Jurlewicz Przestrzenie liniowe Uwaga. W nawiasach kwadratowych podane są numery zadań znajdujących się w podręczniku
Bardziej szczegółowoRóżne rozkłady prawdopodobieństwa
Różne rozłady prawdopodobieństwa. Rozład dwupuntowy D(p). Zmienna losowa ξ ma rozład D(p), jeżeli P p {ξ = 0} = p oraz P p {ξ = } = p. Eξ = p D ξ = p( p). Rozład dwumianowy Bin(n, p). Zmienna losowa ξ
Bardziej szczegółowoUkłady równań i równania wyższych rzędów
Rozdział Układy równań i równania wyższych rzędów Układy równań różniczkowych zwyczajnych Wprowadzenie W poprzednich paragrafach zajmowaliśmy się równaniami różniczkowymi y = f(x, y), których rozwiązaniem
Bardziej szczegółowo1 Przestrzeń zdarzeń elementarnych
Przestrzeń zdarzeń elementarnych Przestrzeń zdarzeń elementarnych jest pojęciem pierwotnym w teorii prawdopodobieństwa. W zastosowaniach tej teorii zdarzenia elementarne interpretuje się jao możliwe przypadi,
Bardziej szczegółowoAnaliza B II zadania. cos kx = sin(n x) 2 sin x 2. cos n sin 1 n., tan x, cot x, log sin x, log tan x, 1 + x
Analiza B II zadania Oblicz granicę n cos n n Udowodnij wzór dla mπ 3 Udowodnij że szereg + n = cos = sin(n + sin cos n sin n jest zbieżny warunowo 4 Wyprowadź wzory (sin = cos (cos = sin 5 Wyaż że funcje
Bardziej szczegółowoINSTRUKCJA DO ĆWICZENIA NR 7
KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 7 PRZEDMIOT TEMAT OPRACOWAŁ LABORATORIUM MODELOWANIA Przykładowe analizy danych: przebiegi czasowe, portrety
Bardziej szczegółowo4. Weryfikacja modelu
4. Weryfiacja modelu Wyznaczenie wetora parametrów struturalnych uładu ończy etap estymacji. Kolejnym etapem jest etap weryfiacji modelu. Przeprowadza się ją w dwóch ujęciach: merytorycznym i statystycznym.
Bardziej szczegółowoA4: Filtry aktywne rzędu II i IV
A4: Filtry atywne rzędu II i IV Jace Grela, Radosław Strzała 3 maja 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, tórych używaliśmy w obliczeniach: 1. Związe między stałą czasową
Bardziej szczegółowoMetody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski
Metody numeryczne Instytut Sterowania i Systemów Informatycznych Wydział Eletrotechnii, Informatyi i Teleomuniacji Uniwersytet Zielonogórsi Eletrotechnia stacjonarne-dzienne pierwszego stopnia z tyt. inżyniera
Bardziej szczegółowo(U.3) Podstawy formalizmu mechaniki kwantowej
3.10.2004 24. (U.3) Podstawy formalizmu mechanii wantowej 33 Rozdział 24 (U.3) Podstawy formalizmu mechanii wantowej 24.1 Wartości oczeiwane i dyspersje dla stanu superponowanego 24.1.1 Założenia wstępne
Bardziej szczegółowoWstęp do sieci neuronowych, wykład 03 Warstwy RBF, jednostka Adaline.
Wstęp do sieci neuronowych, wykład 3 Warstwy, jednostka Adaline. Maja Czoków, Jarosław Piersa Wydział Matematyki i Informatyki, Uniwersytet Mikołaja Kopernika 211-1-18 1 Pomysł Przykłady Zastosowanie 2
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
Miejsce na naklejkę z kodem szkoły dysleksja MMA-R1_1P-07 EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY Czas pracy 180 minut Instrukcja dla zdającego 1 Sprawdź, czy arkusz egzaminacyjny zawiera 15
Bardziej szczegółowo9. Sprzężenie zwrotne własności
9. Sprzężenie zwrotne własności 9.. Wprowadzenie Sprzężenie zwrotne w uładzie eletronicznym realizuje się przez sumowanie części sygnału wyjściowego z sygnałem wejściowym i użycie zmodyiowanego w ten sposób
Bardziej szczegółowoEGZAMIN MAGISTERSKI, Biomatematyka
Biomatematyka 91...... Zadanie 1. (8 punktów) Liczebność pewnej populacji jest opisana równaniem różniczkowym: dn = r N(α N)(N β), (1) dt w którym, N(t) oznacza liczebność populacji w chwili t, a r > 0
Bardziej szczegółowoPrawdopodobieństwo i statystyka
Wykład IV: 27 października 2014 Współczynnik korelacji Brak korelacji a niezależność Definicja współczynnika korelacji Współczynnikiem korelacji całkowalnych z kwadratem zmiennych losowych X i Y nazywamy
Bardziej szczegółowoDRGANIA MECHANICZNE. materiały uzupełniające do ćwiczeń. Wydział Samochodów i Maszyn Roboczych studia inżynierskie
DRGANIA MECHANICZNE ateriały uzupełniające do ćwiczeń Wydział Saochodów i Maszyn Roboczych studia inżyniersie prowadzący: gr inż. Sebastian Korcza część 6 ułady dysretne o wielu stopniach swobody Poniższe
Bardziej szczegółowoMETODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ
METODY MATEMATYCZNE I STATYSTYCZNE W INŻYNIERII CHEMICZNEJ Wykład 6 Transformata Laplace a Funkcje specjalne Przekształcenia całkowe W wielu zastosowaniach dużą rolę odgrywają tzw. przekształcenia całkowe
Bardziej szczegółowoANALIZA WARUNKÓW KONSOLIDACJI TORFÓW PRZECIĄŻONYCH WARSTWĄ POPIOŁÓW
Tomasz SZCZYGIELSKI Zygmunt MEYER ANALIZA WARUNKÓW KONSOLIDACJI TORFÓW PRZECIĄŻONYCH WARSTWĄ POPIOŁÓW. Wprowadzenie Celem pracy jest analiza możliwości wyorzystania ubocznych produtów spalania nazywanych
Bardziej szczegółowoMetody optymalizacji nieliniowej (metody programowania nieliniowego) Ewa Niewiadomska-Szynkiewicz Instytut Automatyki i Informatyki Stosowanej
Metody optymalizacji nieliniowej metody programowania nieliniowego Ewa Niewiadomsa-Szyniewicz Instytut Automatyi i Inormatyi Stosowanej Ewa Niewiadomsa-Szyniewicz ens@ia.pw.edu.pl Instytut Automatyi i
Bardziej szczegółowoTeoria Sygnałów. Inżynieria Obliczeniowa II rok 2018/19. Wykład 10. ( t) Wykorzystanie transformacji Fouriera w analizie korelacyjnej
Teoria Synałów Inżynieria Obliczeniowa II rok 208/9 Wykład 0 Wykorzystanie transformacji Fouriera w analizie korelacyjnej Na początek krótkie przypomnienie podstawowych definicji: Funkcja autokorelacji
Bardziej szczegółowoPrzekształcenia liniowe
Przekształcenia liniowe Zadania Które z następujących przekształceń są liniowe? (a) T : R 2 R 2, T (x, x 2 ) = (2x, x x 2 ), (b) T : R 2 R 2, T (x, x 2 ) = (x + 3x 2, x 2 ), (c) T : R 2 R, T (x, x 2 )
Bardziej szczegółowoWażne rozkłady i twierdzenia
Ważne rozkłady i twierdzenia Rozkład dwumianowy i wielomianowy Częstość. Prawo wielkich liczb Rozkład hipergeometryczny Rozkład Poissona Rozkład normalny i rozkład Gaussa Centralne twierdzenie graniczne
Bardziej szczegółowoWykład 3 Równania rózniczkowe cd
7 grudnia 2010 Definicja Równanie różniczkowe dy dx + p (x) y = q (x) (1) nazywamy równaniem różniczkowym liniowym pierwszego rzędu. Jeśli q (x) 0, to równanie (1) czyli równanie dy dx + p (x) y = 0 nazywamy
Bardziej szczegółowoDRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH
Część 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH... 5. 5. DRGANIA WŁASNE RAM OBLICZANIE CZĘSTOŚCI KOŁOWYCH DRGAŃ WŁASNYCH 5.. Wprowadzenie Rozwiązywanie zadań z zaresu dynamii budowli sprowadza
Bardziej szczegółowoEGZAMIN MATURALNY Z MATEMATYKI
ARKUSZ ZAWIERA INFORMACJE PRAWNIE CHRONIONE DO MOMENTU ROZPOCZĘCIA EGZAMINU! Miejsce na naklejkę MMA-R_P-08 EGZAMIN MATURALNY Z MATEMATYKI POZIOM ROZSZERZONY MAJ ROK 008 Czas pracy 80 minut Instrukcja
Bardziej szczegółowoσ-ciało zdarzeń Niech Ω będzie niepustym zbiorem zdarzeń elementarnych, a zbiór F rodziną podzbiorów zbioru Ω spełniającą warunki: jeśli A F, to A F;
Zdarzenie losowe i zdarzenie elementarne Zdarzenie (zdarzenie losowe) - wyni pewnej obserwacji lub doświadczenia; może być ilościowy lub jaościowy. Zdarzenie elementarne - najprostszy wyni doświadczenia
Bardziej szczegółowoInformacja o przestrzeniach Hilberta
Temat 10 Informacja o przestrzeniach Hilberta 10.1 Przestrzenie unitarne, iloczyn skalarny Niech dana będzie przestrzeń liniowa X. Załóżmy, że każdej parze elementów x, y X została przyporządkowana liczba
Bardziej szczegółowoIX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. - funkcja dwóch zmiennych,
IX. Rachunek różniczkowy funkcji wielu zmiennych. 1. Funkcja dwóch i trzech zmiennych - pojęcia podstawowe. Definicja 1.1. Niech D będzie podzbiorem przestrzeni R n, n 2. Odwzorowanie f : D R nazywamy
Bardziej szczegółowoStochastyczne równania różniczkowe, studia II stopnia
Stochastyczne równania różniczkowe, studia II stopnia Niech W t (ewentualnie W, W (t)), t oznacza proces Wienera oraz niech W = Niech W = (W, W 2,, W n ) oznacza n-wymiarowy proces Wienera Pokazać, że
Bardziej szczegółowoREFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzeki z wykorzystaniem sztucznych sieci neuronowych.
REFERAT PRACY MAGISTERSKIEJ Symulacja estymacji stanu zanieczyszczeń rzei z wyorzystaniem sztucznych sieci neuronowych. Godło autora pracy: EwGron. Wprowadzenie. O poziomie cywilizacyjnym raju, obo wielu
Bardziej szczegółowoIndukcja matematyczna
Indukcja matematyczna Zadanie. Zapisać, używając symboli i, następujące wyrażenia (a) n!; (b) sin() + sin() sin() +... + sin() sin()... sin(n); (c) ( + )( + /)( + / + /)... ( + / + / +... + /R). Zadanie.
Bardziej szczegółowoWykład 5. Zagadnienia omawiane na wykładzie w dniu r
Wykład 5. Zagadnienia omawiane na wykładzie w dniu 14.11.2018r Definicja (iloraz różnicowy) Niech x 0 R oraz niech funkcja f będzie określona przynajmnniej na otoczeniu O(x 0 ). Ilorazem różnicowym funkcji
Bardziej szczegółowoPolitechnika Wrocławska, Wydział Informatyki i Zarządzania. Modelowanie
Politechnika Wrocławska, Wydział Informatyki i Zarządzania Modelowanie Zad Wyznacz transformaty Laplace a poniższych funkcji, korzystając z tabeli transformat: a) 8 3e 3t b) 4 sin 5t 2e 5t + 5 c) e5t e
Bardziej szczegółowoZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna
Arkusz A04 2 Poziom podstawowy ZADANIA ZAMKNIETE W zadaniach 1-25 wybierz i zaznacz na karcie odpowiedzi poprawna odpowiedź Zadanie 1. (0-1) Liczba π spełnia nierówność: A. + 1 > 5 B. 1 < 2 C. + 2 3 4
Bardziej szczegółowoWprowadzenie. { 1, jeżeli ˆr(x) > 0, pozatym. Regresja liniowa Regresja logistyczne Jądrowe estymatory gęstości. Metody regresyjne
Wprowadzenie Prostym podejściem do klasyfikacji jest estymacja funkcji regresji r(x) =E(Y X =x)zpominięciemestymacjigęstościf k. Zacznijmyodprzypadkudwóchgrup,tj.gdy Y = {1,0}. Wówczasr(x) =P(Y =1 X =x)ipouzyskaniuestymatora
Bardziej szczegółowon=0 (n + r)a n x n+r 1 (n + r)(n + r 1)a n x n+r 2. Wykorzystując te obliczenia otrzymujemy, że lewa strona równania (1) jest równa
Równanie Bessela Będziemy rozważać następujące równanie Bessela x y xy x ν )y 0 ) gdzie ν 0 jest pewnym parametrem Rozwiązania równania ) nazywamy funkcjami Bessela rzędu ν Sprawdzamy, że x 0 jest regularnym
Bardziej szczegółowoSegmentacja przez detekcje brzegów
Segmentacja przez detekcje brzegów Lokalne zmiany jasności obrazu niosą istotną informację o granicach obszarów (obiektów) występujących w obrazie. Metody detekcji dużych, lokalnych zmian jasności w obrazie
Bardziej szczegółowoPrzetwarzanie i Kompresja Obrazów. Filtracja
Przetwarzanie i Kompresja Obrazów. acja Aleksander Denisiuk(denisjuk@pja.edu.pl) Polsko-Japońska Akademia Technik Komputerowych Wydział Informatyki w Gdańsku ul. Brzegi 55, 80-045 Gdańsk 7 kwietnia 206
Bardziej szczegółowo( ) + ( ) T ( ) + E IE E E. Obliczanie gradientu błędu metodą układu dołączonego
Obliczanie gradientu błędu metodą uładu dołączonego /9 Obliczanie gradientu błędu metodą uładu dołączonego Chodzi o wyznaczenie pochodnych cząstowych funcji błędu E względem parametrów elementów uładu
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoModelowanie przez zjawiska przybliżone. Modelowanie poprzez zjawiska uproszczone. Modelowanie przez analogie. Modelowanie matematyczne
Modelowanie rzeczywistości- JAK? Modelowanie przez zjawisa przybliżone Modelowanie poprzez zjawisa uproszczone Modelowanie przez analogie Modelowanie matematyczne Przyłady modelowania Modelowanie przez
Bardziej szczegółowoPrawdopodobieństwo i statystyka r.
Zadanie. Niech (X, Y) ) będzie dwuwymiarową zmienną losową, o wartości oczekiwanej (μ, μ, wariancji każdej ze współrzędnych równej σ oraz kowariancji równej X Y ρσ. Staramy się obserwować niezależne realizacje
Bardziej szczegółowoFUNKCJE. 1. Podstawowe definicje
FUNKCJE. Podstawowe definicje DEFINICJA. Funkcja f odwzorowującą zbiór X w zbiór Y (inaczej f : X Y ) nazywamy takie przyporządkowanie, które każdemu elementowi x X przyporządkowuje dokładnie jeden element
Bardziej szczegółowoSterowanie Ciągłe. Używając Simulink a w pakiecie MATLAB, zasymulować układ z rysunku 7.1. Rys.7.1. Schemat blokowy układu regulacji.
emat ćwiczenia nr 7: Synteza parametryczna uładów regulacji. Sterowanie Ciągłe Celem ćwiczenia jest orecja zadanego uładu regulacji wyorzystując następujące metody: ryterium amplitudy rezonansowej i metodę
Bardziej szczegółowo1. Liczby zespolone Stwierdzić kiedy kwadrat liczby zespolonej jest liczbą. (i) rzeczywistą, (ii) ujemną, (iii) tylko urojoną?
1. Liczby zespolone 1.1. Stwierdzić kiedy kwadrat liczby zespolonej jest liczbą (i) rzeczywistą, (ii) ujemną, (iii) tylko urojoną? 1.2. Doprowadzić do postaci a + ib liczby zespolone (i) (1 13i)/(1 3i),
Bardziej szczegółowoVI. Równania różniczkowe liniowe wyższych rzędów
VI. 1. Równanie różniczkowe liniowe n-tego rzędu o zmiennych współczynnikach Niech podobnie jak w poprzednim paragrafie K = C lub K = R. Podobnie jak w dziedzinie rzeczywistej wprowadzamy pochodne wyższych
Bardziej szczegółowoZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II
ZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II POZIOM ROZSZERZONY Równania i nierówności z wartością bezwzględną. rozwiązuje równania i nierówności
Bardziej szczegółowoZajęcia nr 1 (1h) Dwumian Newtona. Indukcja. Zajęcia nr 2 i 3 (4h) Trygonometria
Technologia Chemiczna 008/09 Zajęcia wyrównawcze. Pokazać, że: ( )( ) n k k l = ( n l )( n l k l Zajęcia nr (h) Dwumian Newtona. Indukcja. ). Rozwiązać ( ) ( równanie: ) n n a) = 0 b) 3 ( ) n 3. Znaleźć
Bardziej szczegółowojednoznacznie wyznaczają wymiary wszystkich reprezentacji grup punktowych, a związki ortogonalności jednoznacznie wyznaczają ich charaktery
Reprezentacje grup puntowych związi pomiędzy h i n a jednoznacznie wyznaczają wymiary wszystich reprezentacji grup puntowych, a związi ortogonalności jednoznacznie wyznaczają ich charatery oznaczenia:
Bardziej szczegółowoZASTOSOWANIE DYSKRETNEJ ANALIZY FALKOWEJ DO WYKRYWANIA ZWARĆ ZWOJOWYCH W SILNIKU INDUKCYJNYM
Zeszyty problemowe Maszyny Eletryczne Nr 100/2013 cz. II 191 Marcin Woliewicz, Czesław T. Kowalsi Politechnia Wrocławsa, Instytut Maszyn Napędów i Pomiarów Eletrycznych ZASTOSOWANIE DYSKRETNEJ ANALIZY
Bardziej szczegółowoMetoda najmniejszych kwadratów
Metoda najmniejszych kwadratów Przykład wstępny. W ekonomicznej teorii produkcji rozważa się funkcję produkcji Cobba Douglasa: z = AL α K β gdzie z oznacza wielkość produkcji, L jest nakładem pracy, K
Bardziej szczegółowo4.15 Badanie dyfrakcji światła laserowego na krysztale koloidalnym(o19)
256 Fale 4.15 Badanie dyfracji światła laserowego na rysztale oloidalnym(o19) Celem ćwiczenia jest wyznaczenie stałej sieci dwuwymiarowego ryształu oloidalnego metodą dyfracji światła laserowego. Zagadnienia
Bardziej szczegółowo