計算機(jī)視覺復(fù)習(xí)資料2016

1、一、名詞解釋視知覺：直方圖均衡化：拉普拉斯算子：統(tǒng)計模式識別：人工智能：無監(jiān)督學(xué)習(xí)：視感覺：直方圖規(guī)定化：馬爾算子：人工神經(jīng)網(wǎng)絡(luò)：有監(jiān)督學(xué)習(xí)：模糊聚類：參考：1 .視知覺主要論述人們從客觀世界接收到視覺刺激后如何反應(yīng)以及反應(yīng)所采用的方式，視知覺是在神經(jīng)中樞進(jìn)行的一組活動，它把視野中一些分散的刺激加以組織，構(gòu)成具有一定形狀的整體以認(rèn)識世界。2 .直方圖均衡化的基本思想是把原始圖的直方圖變換為在整個灰度范圍內(nèi)均勻分布的形式，這樣就增加了像素灰度值的動態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對比度的效果。3 .模板的基本要求是對應(yīng)中心像素的系數(shù)應(yīng)是正的，而對應(yīng)中心像素鄰近像素的系數(shù)應(yīng)是負(fù)的，且所有系數(shù)的總和應(yīng)該

2、是零。4 .統(tǒng)計模式識別方法就是用給定的有限數(shù)量樣本集，在已知研究對象統(tǒng)計模型或已知類判別函數(shù)條件下根據(jù)一定的準(zhǔn)則通過學(xué)習(xí)算法把d維特征空間劃分為c個區(qū)域，每一個區(qū)域與每一類別相對應(yīng)。模式識別系統(tǒng)在進(jìn)行工作時只要判斷被識別的對象落入哪一個區(qū)域，就能確定出它所屬的類別。一個統(tǒng)計模式識別系統(tǒng)應(yīng)包含預(yù)處理、特征抽取、分類器等部分。5 .人工智能是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)。研究用計算機(jī)來模擬人的某些思維過程和智能行為（如學(xué)習(xí)、推理、思考、規(guī)劃等）的學(xué)科，主要包括計算機(jī)實現(xiàn)智能的原理、制造類似于人腦智能的計算機(jī)，使計算機(jī)能實現(xiàn)更高層次的應(yīng)用。6 .

3、無監(jiān)督式學(xué)習(xí)是人工智能網(wǎng)絡(luò)的一種算法，目的是對原始資料進(jìn)行分類，以了解資料內(nèi)部結(jié)構(gòu)。有別于監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)，無監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)在學(xué)習(xí)時并不知道其分類結(jié)果是否正確，亦即沒有受到監(jiān)督式增強(qiáng)（告訴它何種學(xué)習(xí)是正確的）。其特點是僅對此種網(wǎng)絡(luò)提供輸入范例，而它會自動從這些范例中找出潛在類別規(guī)則。當(dāng)學(xué)習(xí)完畢并經(jīng)測試后，也可以將之應(yīng)用到新的案例上。7 .視感覺中主要研究的內(nèi)容有：光的物理特性；光刺激視覺感受器官的程度；光作用于視網(wǎng)膜后經(jīng)視覺系統(tǒng)加工而產(chǎn)生的感覺。8 .用戶可指定規(guī)定化函數(shù)來得到特殊的增強(qiáng)功能，3個步驟：對原始圖的直方圖進(jìn)行灰度均衡化，規(guī)定需要的直方圖，并計算能使規(guī)定的直方圖均衡化的變換，將第1步得到

4、的變換反轉(zhuǎn)過來，即將原始直方圖對應(yīng)映射到規(guī)定的直方圖。9 .在每個分辨率上進(jìn)行如下計算：用一個2-D的高斯平滑模板與原圖像卷積，計算卷積后圖像的拉普拉斯值，檢測拉普拉斯圖像中的過零點作為邊緣點。10 .人工神經(jīng)網(wǎng)絡(luò)從信息處理角度對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種簡單模型，按不同的連接方式組成不同的網(wǎng)絡(luò)；神經(jīng)網(wǎng)絡(luò)是一種運算模型，由大量的節(jié)點（或稱神經(jīng)元）相互聯(lián)接構(gòu)成；每個節(jié)點代表一種特定的輸出函數(shù)，稱為激勵函數(shù)；每兩個節(jié)點間的連接代表一個對于通過該連接信號的加權(quán)值，稱之為權(quán)重，這相當(dāng)于人工神經(jīng)網(wǎng)絡(luò)的記憶；網(wǎng)絡(luò)的輸出按網(wǎng)絡(luò)的連接方式，權(quán)重值和激勵函數(shù)而不同；網(wǎng)絡(luò)自身通常都是對自然界某種算法或者函數(shù)

5、的逼近，也可能是對一種邏輯策略的表達(dá)。11 .有監(jiān)督學(xué)習(xí)是指利用一組已知類別的樣本調(diào)整分類器的參數(shù)，使其達(dá)到所要求性能的過程，是從標(biāo)記的訓(xùn)練數(shù)據(jù)來推斷一個功能的機(jī)器學(xué)習(xí)任務(wù)。訓(xùn)練數(shù)據(jù)包括一套訓(xùn)練實例，每個實例都是由一個輸入對象（通常為矢量）和一個期望的輸出值（也稱為監(jiān)督信號）組成。監(jiān)督學(xué)習(xí)算法是分析該訓(xùn)練數(shù)據(jù)，并產(chǎn)生一個推斷的功能，可以映射出新實例。12 .模糊聚類分析是指根據(jù)研究對象本身的屬性來構(gòu)造模糊矩陣，并在此基礎(chǔ)上根據(jù)一定的隸屬度來確定聚類關(guān)系，即用模糊數(shù)學(xué)的方法把樣本之間的模糊關(guān)系定量的確定，從而客觀且準(zhǔn)確地進(jìn)行聚類。聚類就是將數(shù)據(jù)集分成多個類或簇，使得各個類之間的數(shù)據(jù)差別盡可能大，

6、類內(nèi)之間的數(shù)據(jù)差別盡可能小，即“最小化類間相似性，最大化類內(nèi)相似性”原則。二、簡答1、計算機(jī)視覺的定義、研究方法、研究的目標(biāo)是什么？它和圖像處理、機(jī)器視覺、模式識別、人工智能、計算機(jī)圖形學(xué)等相關(guān)學(xué)科有哪些聯(lián)系或區(qū)別？計算機(jī)視覺是指用計算機(jī)實現(xiàn)人類的視覺功能。就是用各種成像系統(tǒng)代替視覺器官作為輸入敏感手段，由計算機(jī)來代替大腦完成處理和解釋。計算機(jī)視覺的研究方法目前主要有兩種，仿生學(xué)的方法：參照人類視覺系統(tǒng)的結(jié)構(gòu)原理；工程的方法：實現(xiàn)系統(tǒng)的功能。計算機(jī)視覺的主要研究目標(biāo)可歸納成兩個：建立計算機(jī)視覺系統(tǒng)來完成各種視覺任務(wù)；加深對人腦視覺機(jī)理的掌握和理解。相關(guān)學(xué)科：（1）圖像理解：與計算機(jī)視覺有相同的

7、目標(biāo)；（2）機(jī)器視覺：更關(guān)注通過視覺傳感器獲取環(huán)境的圖像，構(gòu)建具有視覺感知功能的系統(tǒng)以及實現(xiàn)檢測和辨識物體的算法；（3）模式識別：圖像就是模式的一種；（4）人工智能：視覺功能是人類智能的體現(xiàn)（1分）；（5）計算機(jī)圖形學(xué)：計算機(jī)視覺的反/逆問題。2、實現(xiàn)圖像分割有哪幾類技術(shù)方法？各自的特點是什么？圖像分割方法可以分為兩大類。一類是邊界方法，這種方法假設(shè)圖像分割結(jié)果的某個子區(qū)域在原來圖像中一定會有邊緣存在；一類是區(qū)域方法，這種方法假設(shè)圖像分割結(jié)果的某個子區(qū)域一定會有相同的性質(zhì)，而不同區(qū)域的像素則沒有共同的性質(zhì)。根據(jù)上述分割操作策略的不同，圖像分割主要可以分為以下四種技術(shù)：并行邊界分割技術(shù)、串行邊界

8、分割技術(shù)、并行區(qū)域分割技術(shù)和串行區(qū)域分割技術(shù)。具特點可作如下歸納。并行邊界分割技術(shù)：不同圖像灰度不同，在邊界處通常都會有明顯的邊緣，利用此特征可以分割圖像。串行邊界分割技術(shù)：并行邊緣檢測的方法，對圖像的每一點上所做的處理不依賴于其他的點處理結(jié)果。串行邊界分割在處理圖像時不但利用了本身像素的信息，而且利用前面處理過像素的結(jié)果。對某個像素的處理，以及是否把它分類成邊界點，和先前對其他點的處理得到的信息有關(guān)。并行區(qū)域分割技術(shù)：采用并行的方法對目標(biāo)區(qū)域進(jìn)行檢測實現(xiàn)圖像分割的方法。區(qū)域分割是最直接的方法，因此這種分割方法可以直接得到感興趣的目標(biāo)區(qū)域。用行區(qū)域分割技術(shù)：采用串行處理策略對目標(biāo)區(qū)域直接檢測實

9、現(xiàn)分割的方法。特點：整個處理過程可以分解為順序的多個步驟依次進(jìn)行?？煞譃椋簠^(qū)域生長，分列合并。3、攝像機(jī)的標(biāo)定程序和標(biāo)定步驟？兩級標(biāo)定法的原則？標(biāo)定程序：令A(yù)=PRT,A中的元素包括攝像機(jī)平移、旋轉(zhuǎn)和投影參數(shù)。j0J工）X+（t/p口始工）1'+（。13一0j34T）Z+一044人）=。（口二1-a41y）X+（a22-v）K+a2y-a45y）Z+a2A-=0獲得M階具有已知世界坐標(biāo)（Xi,Yi,Zi）的空間點；用攝像機(jī)拍攝這些點以得到圖像平面坐標(biāo)（xi,yi）；把這些坐標(biāo)代入上兩式以解出未知系數(shù)。標(biāo)定步驟：第1步：標(biāo)定旋轉(zhuǎn)矩陣R和平移矢量T;第2步：標(biāo)定焦距N第3步：標(biāo)定鏡頭徑向失

10、真系數(shù)k;第4步：標(biāo)定不確定性圖像尺度因子出XYZaRfT兩級標(biāo)定法的原則：先外部參數(shù)，即攝像機(jī)姿態(tài)參數(shù)（如攝像機(jī)的位置和方向或平移、掃視角和傾斜角）；后內(nèi)部參數(shù)，攝像機(jī)自身參數(shù)（如焦距、鏡頭徑向失真、不確定性圖像尺度因子）；如果以已知，標(biāo)定時只需用一幅含有一組共面基準(zhǔn)點的圖像即可；如果以未知，標(biāo)定時需用一幅含有一組不共面基準(zhǔn)點的圖像。4、請詳細(xì)描述Marr視覺計算理論。Marr認(rèn)為視覺是一個復(fù)雜的信息加工過程，要解決兩個問題：一個是視覺信息的表達(dá)問題，另一個是視覺信息的加工問題。他從信息處理系統(tǒng)的角度出發(fā)，認(rèn)為視覺信息加工有三個要素，即計算理論、算法實現(xiàn)、硬件實現(xiàn)。表14WI視覺信息加工巾三

11、要素的含義要置名稱1 計算理論2 算法實現(xiàn)1硬件實現(xiàn)含義和所解決的問廄什么是計算目的，為什么要這樣計真，需要什么妁柬條件慰樣實現(xiàn)計算理論，什么是輸入輸川表達(dá),用什么算法實現(xiàn)表達(dá)間的轉(zhuǎn)換E樣在物理上實現(xiàn)表達(dá)印品法，什幺是計算雉構(gòu)的具體細(xì)n一個任務(wù)要用計算機(jī)完成，它應(yīng)該是可以被計算的；這就是可計算性問題，需要用計算理論來回答。有了計算理論后，還必須要有算法實現(xiàn)，為此需要給加工所操作的實體選擇一種合適的表達(dá)。有了表達(dá)和算法，在物理上如何實現(xiàn)算法也是必不可少的；特別是隨著對實時性要求的不斷提高，專用的硬件實現(xiàn)問題常常被提出來。三、分析與計算1、已知某含噪聲的圖像f如圖所示，用中值濾波模板M對噪聲點（已

12、經(jīng)標(biāo)明）進(jìn)行處理，求去噪結(jié)果f(x,y)=1219521222220110122f(x,y)=1221221222、給出一幅圖像的四方向鏈碼（原碼）為1-0-1-0-3-3-2-2,取左下像素點的右上角點作為初始點，畫出其輪廓23、一幅圖像的象素灰度級為256、大小為1024X1024的圖像的數(shù)據(jù)量多少MB假設(shè)網(wǎng)絡(luò)的平土專輸速率為1MEt/s,需要多少秒才能傳送完畢？每個像素可以用8比特表示。圖像的數(shù)據(jù)量是1024X1024X8/8=1MB,需要1MB/1Mbit/s=8s才能傳送完畢4、判斷下列模板類型，包括平滑模板、銳化模板和邊緣檢測模板。0-100M1=-14-1M2=-10-10-0-

13、1001405-1M3=1/401/4-10-一01/401M1邊緣檢測模板、M2銳化模板、M3平滑模板5、一幅32X32,8個灰度級的數(shù)字圖像，各灰度級所占像素個數(shù)見下表，對其進(jìn)行直方圖均衡化處理，求實際直方圖、變換函數(shù)s=T(n)以及變換后的直方圖(取兩位小數(shù))?；叶燃塺i01234567像19525621616482613020原始圖像灰度級Sk01234567原始圖像各灰度級像素個數(shù)19525621616482613020計算原始直方圖p(Sk)=nk/n0.190.250.210.160.080.060.030.02計算原始累計直方圖tk0.190.440.650.810.890.9

14、50.981.00取整tk=int(N-1)*tk+0.513566777確定映射對應(yīng)關(guān)系0一11一32一53,4一65,6,77新圖像各灰度級像素個數(shù)195256216246111計算新直力圖0.190.250.210.240.11四、設(shè)計與應(yīng)用1、設(shè)計一個基于計算機(jī)視覺的車輛自動識別收費系統(tǒng)，要求該系統(tǒng)可以對行駛中的車輛進(jìn)行車型和車牌識別，在不停車的情況下實現(xiàn)車輛按型號不同分類收費的功能。列出系統(tǒng)的總體結(jié)構(gòu)和主要組成模塊，并闡述它們的功能和作用。系統(tǒng)的拓?fù)鋱D如圖所示，車輛進(jìn)入收費站時觸發(fā)埋設(shè)在地下的地感線圈，產(chǎn)生觸發(fā)信號，收費計算機(jī)控制嵌入式車牌識別模塊進(jìn)行圖像抓拍，抓拍到的車輛車牌圖像經(jīng)

15、視頻采集卡送到收費計算機(jī)，并由嵌入式車牌識別模塊識別車牌，根據(jù)識別出的車牌在數(shù)據(jù)庫中查找對應(yīng)車型，若數(shù)據(jù)庫已存在該車車型，系統(tǒng)通知軟件自動打印發(fā)票；若該車型尚未被數(shù)據(jù)庫確認(rèn)，軟件將提示收費員人工確認(rèn)該車車型。再進(jìn)行打印發(fā)票收費。車牌車型信息在同一管理中心下屬各收費站共享。據(jù)悚車觸及車型宿息上-車牌狀總傳訓(xùn)別結(jié)乂暹精息也增計m1?？╮m迪斯建制午病監(jiān)侑揖母機(jī)收甜模塊補(bǔ)增由?？嬷?、按下圖分析說明虹膜識別的過程，以及虹膜抓拍系統(tǒng)的軟件流水線。虹膜識別的過程依次是：捕獲人臉的圖像、檢測眼睛圖像、虹膜圖像分割、虹膜圖像增強(qiáng)與歸一化、虹膜特征抽取、虹膜特征矢量編碼、虹膜特征數(shù)據(jù)庫匹配、輸出識別結(jié)果。在整

16、個過程中最重要的是虹膜的分割與特征提取。列舉一種可行的軟件流水線。首先，標(biāo)定立體相機(jī)和紅外抓拍相機(jī)，將臉部檢測和跟蹤算法應(yīng)用于立體相機(jī)捕獲的圖像上。使用基于自適應(yīng)增強(qiáng)算法的檢測技術(shù)以及卡爾曼濾波來檢測和跟蹤臉部區(qū)域。在立體相機(jī)計算得到眼睛的三維位置后，進(jìn)一步將這個位置轉(zhuǎn)換到抓拍相機(jī)的坐標(biāo)系。如果眼睛位置在抓拍相機(jī)的視場范圍內(nèi)，系統(tǒng)促發(fā)抓拍相機(jī)去捕獲一幅目標(biāo)臉部特寫的近紅外圖像。由于用戶運動的關(guān)系，捕獲到的圖像很可能是模糊的，進(jìn)一步使用去模糊模塊以恢復(fù)清晰圖像。一旦捕獲到的圖像能夠被恢復(fù)，就對臉部圖像進(jìn)行眼睛檢測，然后將裁剪后的眼睛圖像發(fā)送給識別模塊。五、編程1、OpenCVS程，利用cvHou

17、ghCircles在灰度圖中找到圓序列并返回，代碼中進(jìn)行相應(yīng)注釋。1. #include<highgui.h>2. #include<math.h>3. #include<cv.h>4.5. intmain(intargc,char*argv)6. 7. IplImage*src=cvLoadImage(argv1,0);8. IplImage*dst=cvLoadImage(argv1,0);9. CvMemStorage*storage=cvCreateMemStorage(0);10. cvSmooth(src,dst,CV_GAUSSIAN,5,5)

18、;/降噪11. CvSeq*results=cvHoughCircles(/cvHoughCircles函數(shù)需要估計每一個像素梯度的方向，12. /因此會在內(nèi)部自動調(diào)用cvSobel,而二值邊緣圖像的處理是比較難的13. dst,14. storage,15. CV_HOUGH_GRADIENT,16. 2,/累加器圖像的分辨率17. image->width/1018. );19. for(inti=0;i<results->total;i+)20. 21. float*p=(float*)cvGetSeqElem(results,i);22. /霍夫圓變換23. CvPo

19、intpt=cvPoint(cvRound(p0),cvRound(p1);24. cvCircle(25. dst,26. pt,/確定圓心27. cvRound(p2),/確定半徑28. CV_RGB(0xff,0,0)29. );/畫圓函數(shù)30. 31. cvNamedWindow("cvHoughCircles",1);32.cvShowImage("cvHoughCircles",dst);33.cvWaitKey(0);34.35.return0;36.2、OpenC斕程，利用cvCanny實現(xiàn)Canny算子邊緣檢測，代碼中進(jìn)行相應(yīng)注釋1. #include<highg