圖像處理習(xí)題

習(xí)題一.請說明圖像數(shù)學(xué)表達(dá)式 I =f（ x, y, z, , t）中各參數(shù)的含義，該表達(dá)式代表哪幾種不同種類的圖像？圖像數(shù)學(xué)表達(dá)式I = f ( x , y , z , , t ) 中，（x,y,z）是空間坐標(biāo)，是波長，t 是時間，I 是光點（x,y,z）的強(qiáng)度（幅度）。上式表示一幅運(yùn)動 (t) 的、彩色/多光譜 () 的、立體（x,y,z）圖像。.存儲一幅1024x768,256個灰度級的圖像需要多少bit？一幅512x512的32bit真彩圖像的容量為多少bit？ （1）一幅 1024768，256 個灰度級的圖像的容量為：b=10247688 = 6291456 bit（2）一幅 512512的32位真彩圖像的容量為：b=51251232=8388608 bit.寫出“*”標(biāo)記的像素的4鄰域、對角鄰域、8鄰域像素的坐標(biāo)（坐標(biāo)按常規(guī)方式確定）.簡述二值圖像、灰度圖像與彩色圖像的區(qū)別？RGB彩色圖像與索引彩色圖像有什么區(qū)別？.簡述直方圖均衡化的基本原理。直方圖均衡化方法的基本思想是，對在圖像中像素個數(shù)多的灰度級進(jìn)行展寬，而對像素個數(shù)少的灰度級進(jìn)行縮減。從而達(dá)到清晰圖像的目的。因為灰度分布可在直方圖中描述，所以該圖像增強(qiáng)方法是基于圖像的灰度直方圖。.在一個線性拉伸中，當(dāng)a，b取何值時，可將雙峰直方圖的兩個峰分別從23和155移到16和240？畫出灰度變換函數(shù)和兩個直方圖的形狀。變換函數(shù)為：，則16=23a+b; 240=155a+b于是：a1.7，b23。（兩個直方圖峰值之間距離拉開）.圖像灰度變換增強(qiáng)有那幾種方式，簡述其原理?；叶茸儞Q、直方圖處理、圖象的代數(shù)運(yùn)算線性變換和非線性變換，非線性變換包括對數(shù)變換和指數(shù)變換等.說明RGB模型和HSI模型各參數(shù)的含義. I：表示光照強(qiáng)度或稱為亮度，它確定了像素的整體亮度，而不管其顏色是什么。H：表示色度，由角度表示。反映了該顏色最接近什么樣的光譜波長（既彩虹中的那種顏色）0為紅色，120為綠色，240為藍(lán)色。0 到240覆蓋了所有可見光譜的顏色，240到300是人眼可見的非光譜色（紫色）。S：飽和度，飽和度參數(shù)是色環(huán)的原點到彩色點的半徑長度。在環(huán)的外圍圓周是純的或稱飽和的顏色，其飽和度值為1。在中心是中性（灰色）影調(diào)，即飽和度為0。.說明偽彩色圖像處理的主要方法 灰度分層 灰度變換 頻域濾波.圖像亮度增大或減小時，圖像直方圖如何變化？當(dāng)圖像對比度增大或減小時，圖像直方圖如何變化？畫出示意圖。當(dāng)圖像的亮度增大時，直方圖向右平移；當(dāng)圖像的亮度減小時，直方圖向左平移。當(dāng)圖像對比度增大時，直方圖峰值之間距離增大；當(dāng)圖像對比度減小時，直方圖峰值之間距離減小。.下圖是一幅圖像在不同狀態(tài)下的直方圖，試分析其視覺效果，哪一個直方圖對應(yīng)的圖像對比度最高？第一和第二直方圖對應(yīng)的圖像分別偏暗和偏亮，對比度都很差。第三直方圖對應(yīng)的圖像灰度范圍較大，對比度比前兩個圖像對比度要好。第四直方圖對應(yīng)的圖像灰度范圍充滿了整個動態(tài)范圍，對比度最好。.有一幅整體偏暗的圖像，不能分辨其細(xì)節(jié)，這時單純提高每個象素的灰度值能提高其對比度嗎？為什么？若不能，應(yīng)選擇什么樣的方法？單純提高圖像每個像素的灰度值，只是使圖像整體變亮，反映在直方圖上則表現(xiàn)為直方圖整體向又平移，因此不能提高對比度。要提高對比度可以通過斜率大于1的線性變換，擴(kuò)展圖像灰度動態(tài)范圍，也可以通過直方圖均衡化使圖像灰度范圍充滿整個空間，都可以來提高對比度。.實現(xiàn)圖像直方圖均衡化的變換函數(shù)為，其中Dm為最大灰度值，P(D)為圖像灰度的累積概率分布，試填寫下表完成圖像直方圖均衡化計算。 原圖像各灰度值出現(xiàn)的概率、累積概率分布P(D)、經(jīng)變換所得灰度結(jié)果、經(jīng)舍入處理而得的新的灰度值如下表所示：.圖像平滑和圖像銳化的主要方法有哪些？簡述其原理。平滑方法：均值濾波中值濾波低通濾波銳化方法：基于一階微分的梯度法算子拉普拉斯算子高通濾波.均值濾波器對高斯噪聲的濾波效果如何？試分析其中的原因。均值濾波器的濾波原理是：在圖像上，對待處理的像素給定一個模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的均值來替代原來的像素值的方法。均值濾波器對高斯噪聲的濾波結(jié)果較好。原因：高斯噪聲是幅值近似正態(tài)分布，但分布在每點像素上。因為正態(tài)分布的均值為0，所以均值濾波可以消除噪聲。.中值濾波器對椒鹽噪聲的濾波效果如何？試分析其中的原因。中值濾波器的濾波原理是：在圖像上，對待處理的像素給定一個模板，該模板包括了其周圍的鄰近像素。取模板中排在中間位置上的像素的灰度值替代待處理像素的值，就可以達(dá)到濾除噪聲的目的。中值濾波器對椒鹽噪聲的濾波效果較好。原因：椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上，圖像中有干凈點也有污染點。使用中值濾波時，被污染的點一般不處于中值的位置，即選擇適當(dāng)?shù)狞c來替代污染點的值，所以處理效果好。.圖1所示為被噪聲污染的圖像，用那種方式可以得到較好的去除噪聲效果? .圖像平滑、圖像銳化、圖像模糊、消除噪聲四個選項那些是低通濾波的結(jié)果，那些是高通濾波的結(jié)果。 低通濾波對應(yīng)圖像平滑、圖像模糊、消除噪聲；高通濾波對應(yīng)圖像銳化。.試簡述高通濾波器和低通濾波器的功能，并舉例說明。高通濾波器可以提取圖像的高頻信息，如邊緣等。低通濾波器可以去除圖像的噪聲等。.說明頻域濾波的步驟。圖2所示的圖像，分別采用下面三種不同的模板進(jìn)行濾波，試畫出濾波后圖像的示意圖。.下圖分別作33的鄰域平均和中值濾波處理（邊界不作處理），寫出處理結(jié)果。 .用下圖所示模板H，對所給圖像進(jìn)行一階微分銳化。（水平方向） 習(xí)題二.為何稱小波變換為信號的“電子顯微鏡” ，如何實現(xiàn)該功能？小波變換的伸縮因子的變化，使得可以在不同尺度上觀察信號，所以又稱電子顯微鏡。實現(xiàn)小波變換可以應(yīng)用Mall at 的快速算法。.數(shù)據(jù)沒有冗余度能否壓縮？為什么？圖像數(shù)據(jù)量大，同時冗余數(shù)據(jù)也是客觀存在的。一般圖像中存在著以下數(shù)據(jù)冗余因素：（1 ）編碼冗余；（2 ）像素間的相關(guān)性形成的冗余；（3 ）視覺特性和顯示設(shè)備引起的冗余。 理論上，數(shù)據(jù)沒有冗余度是不壓縮的，否則無法解碼出原始數(shù)據(jù)。但在大部分應(yīng)用場合下采用有損壓縮，數(shù)據(jù)沒有冗余度也可以進(jìn)行壓縮。.引起圖像退化的原因有哪些？造成圖像退化的原因很多，大致可分為以下幾個方面： （1 ）射線輻射、大氣湍流等造成的照片畸變。 （2 ）模擬圖像數(shù)字化的過程中，由于會損失部分細(xì)節(jié)，造成圖像質(zhì)量下降。 （3 ）鏡頭聚焦不準(zhǔn)產(chǎn)生的散焦模糊。 （4 ）成像系統(tǒng)中始終存在的噪聲干擾。 （5 ）拍攝時，相機(jī)與景物之間的相對運(yùn)動產(chǎn)生的運(yùn)動模糊。 （6 ）底片感光、圖像顯示時會造成記錄顯示失真。 （7 ）成像系統(tǒng)的像差、非線性畸變、有限帶寬等造成的圖像失真。 （8 ） 攜帶遙感儀器的飛行器運(yùn)動的不穩(wěn)定，以及地球自轉(zhuǎn)等因素引起的照片幾何失真。4.什么是彩色的減性模型和加性模型？哪一種模型更適合用于顯示、圖片和打印場合？由三基色混配各種顏色通常有兩種方法：相加混色法和相減混色法。相加混色和相減混色的主要區(qū)別表現(xiàn)在以下三個方面： （1 ）相加混色是由發(fā)光體發(fā)出的光相加而產(chǎn)生的各種顏色，而相減混色是先有白色光，然后從中減去某些成份（吸收）得到各種顏色。 （2 ）相加混色的三基色是紅、綠、藍(lán)，而相減混色的三基色是黃、青、品紅。也就是說，相加混色的補(bǔ)色就是相減混色的基色。 （3 ）相加混色和相減混色有不同的規(guī)律。彩色電視機(jī)顯示的顏色是通過相加混色產(chǎn)生的。而彩色電影和幻燈片等與繪畫原料、打印機(jī)打印圖片等是通過相減混色產(chǎn)生各種顏色的。5.哪個顏色空間最接近人的視覺系統(tǒng)的特點？在許多實用系統(tǒng)中，大量應(yīng)用的是HSI 模型，這個模型是由色度（H），飽和度（S ），亮度（I）三個分量組成的，與人的視覺特性比較接近。該模型的重要性在于：一方面消除了亮度成分I 在圖像中與顏色信息的聯(lián)系，另一方面色調(diào)H 和飽和度S 分量與人的視覺感受密切相關(guān)?；谌说囊曈X系統(tǒng)的顏色感覺特性，這些特征使HSI 模型成為一個研究圖像處理的重要工具。6.圖像復(fù)原和圖像增強(qiáng)的主要區(qū)別是什么?圖像增強(qiáng)主要是一個主觀過程，而圖像復(fù)原主要是一個客觀過程；圖像增強(qiáng)不考慮圖像是何退化的, 而圖像復(fù)原需知道圖像退化的機(jī)制和過程等先驗知識。7.試述圖像退化的基本模型，并畫出框圖且寫出數(shù)學(xué)表達(dá)式。圖像復(fù)原處理的關(guān)鍵是建立退化模型，原圖像 f(x,y)是通過一個系統(tǒng) H 及加入一來加性噪聲 n(x,y)而退化成一幅圖像g(x ,y)的，如下圖所示這樣圖像的退化過程的數(shù)學(xué)表達(dá)式可寫為： g(x,y)=Hf(x,y)+n(x,y)8.圖像量化時，如果量化級比較小會出現(xiàn)什么現(xiàn)象？為什么？如果量化級數(shù)過小，會出現(xiàn)偽輪廓現(xiàn)象。量化過程是將連續(xù)變化的顏色劃分到有限個級別中，必然會導(dǎo)致顏色信息損失。當(dāng)量化級別達(dá)到一定數(shù)量時，人眼感覺不到顏色信息的丟失。當(dāng)量化級數(shù)過小時，圖像灰度分辨率就會降低，顏色層次就會欠豐富，不同的顏色之間過度就會變得突然，可能會導(dǎo)致偽輪廓現(xiàn)象。9.圖像編碼基本原理是什么？數(shù)字圖像的冗余表現(xiàn)有哪幾種表現(xiàn)形式？雖然表示圖像需要大量的數(shù)據(jù)，但圖像數(shù)據(jù)是高度相關(guān)的， 或者說存在冗余（Redundancy）信息，去掉這些冗余信息后可以有效壓縮圖像，同時又不會損害圖像的有效信息。 數(shù)字圖像的冗余主要表現(xiàn)為以下幾種形式：編碼冗余、視覺冗余、 象素冗余。0.小波基函數(shù)和傅里葉變換基函數(shù)有何區(qū)別？小波信號的非零點是有限的。它與傅里葉變換的基函數(shù)（三角函數(shù)、指數(shù)信號）是不同的，傅里葉變換的基函數(shù)從負(fù)無窮到正無窮都是等幅振蕩的。11.小波變換在圖像處理中有著廣泛的應(yīng)用，請簡述其在圖像的壓縮中的應(yīng)用原理。一幅圖像經(jīng)過一次小波變換之后，概貌信息大多集中在低頻部分，而其余部分只有微弱的細(xì)節(jié)信息。為此，如果只保留占總數(shù)據(jù)量1/4的低頻部分，對其余三個部分的系數(shù)不存儲或傳輸，在解壓時，這三個子塊的系數(shù)以0來代替，則就可以省略圖像部分細(xì)節(jié)信息，而畫面的效果跟原始圖像差別不是很大。這樣，就可以得到圖像壓縮的目的。12.簡述DCT變換編碼的主要過程。第一步，將圖像分成8*8的子塊；第二步，對每個子塊進(jìn)行DCT變換；第三步，將變換后的系數(shù)矩陣進(jìn)行量化，量化后，得到的矩陣左上角數(shù)值較大，右下部分為0； 第四步，對量化后的矩陣進(jìn)行Z形掃描，以使得矩陣中為0的元素盡可能多的連在一起；第五步，對Z掃描結(jié)果進(jìn)行行程編碼；第六步，進(jìn)行熵編碼。13.說明逆濾波法復(fù)原圖像的基本原理及步驟。1)對退化圖像g(x，y)作二維離散傅立葉變換，得到G(u,v)；2)計算系統(tǒng)點擴(kuò)散函數(shù)h(x，y)的二維傅立葉變換，得到H(u,v)。 3）計算4)計算 的逆傅立葉變換，求得14.設(shè)某一幅圖像共有8個灰度等級，各灰度出現(xiàn)的概率分別為：0.40，0.15，0.15，0.10，0.07，0.06，0.04，0.03。試對此圖像進(jìn)行Huffman編碼，計算編碼效率。1）計算圖象的熵，即理論熵編碼平均碼字長度，其中pk是各個灰度等級出現(xiàn)的概率。2）計算實際編碼的平均碼字長度，其中k是各個灰度等級的的碼字長度。3)計算編碼效率5. Matlab是一個重要的圖像處理工具，試逐條解釋下列Matlab語句所實現(xiàn)的功能。I=imread(lenna.bmp)imshow(I)B= fft2(I)C = fftshift(B)figure, imshow(log(abs(B), )figure, imshow(log(abs(C), )16.簡述JPEG的壓縮過程，并說明壓縮的有關(guān)步驟中分別減少了哪種冗余？分塊顏色空間轉(zhuǎn)換零偏置轉(zhuǎn)換DCT變換量化符號編碼。顏色空間轉(zhuǎn)換，減少了心理視覺冗余；零偏置轉(zhuǎn)換，減少了編碼冗余；量化減少了心理視覺冗余；符號編碼由于是霍夫曼編碼加行程編碼，因此即減少了編碼冗余（霍夫曼編碼）又減少了像素冗余（行程編碼）。習(xí)題三. 簡述圖像分割的概念、作用及策略。概念: 圖像分割是指通過某種方法，使得畫面場景中的目標(biāo)物被分為不同的類別。作用：把反應(yīng)物體真實情況的占據(jù)不同區(qū)域的具用不同特性的目標(biāo)分離出來，圖像分割是圖像分析和圖像描述的關(guān)鍵步驟，圖像分割的好壞直接影響了后續(xù)圖像處理的效果?；静呗?基于灰度值的不連續(xù)性和相似性路線1：檢測圖像像素灰度值的相似性，選擇閾值，找到灰度值相似的區(qū)域，區(qū)域的外輪廓就是物體的邊界。路線2：檢測圖像像素灰度級的不連續(xù)性，找到線（寬度為1）、邊（不定寬度）。先找邊，后確定區(qū)域。.說明圖像分割的主要方法。閾值方法：根據(jù)圖像的灰度值的分布特性確定某個閾值來進(jìn)行圖像分割邊界分割方法：通過檢測出封閉的某個區(qū)域的邊界來進(jìn)行圖像分割區(qū)域提取方法：根據(jù)特定區(qū)域與其他背景區(qū)域特性上的不同來進(jìn)行圖像分割,基于像素聚類的分割方法。. Canny算子邊緣檢測步驟。 (a) 對圖像進(jìn)行高斯濾波；(b) 用方向梯度算子計算圖像的方向梯度以及梯度方向；(c) 進(jìn)行非極大值抑制；(d) 采用雙閾值技術(shù)進(jìn)行邊緣遲滯；(e) 獲取邊緣。4. 說明采用Hough變換檢測圖像中的直線的主要原理?；舴蜃儞Q的基本思想是點線的對偶性。圖像變換前在圖像空間，變換后在參數(shù)空間。在圖像空間中的直線上的每一個點都會映射到參數(shù)空間中的相同參數(shù)，所以只要找到這個參數(shù)就可以找到圖像空間中的直線。Hough變換就是根據(jù)這個原理檢測直線的。5. 請敘述邊緣跟蹤算法的主要步驟，并采用邊緣跟蹤算法對如下的邊緣圖像進(jìn)行邊緣跟蹤，將跟蹤結(jié)果填入表中。111111111111116.請分別給出以下二值化邊緣圖像的原鏈碼、歸一化鏈碼、差分碼、歸一化的差分碼，并說明各類鏈碼的基本特點。解答：按照8-鏈碼編碼原碼：07775443312歸一化鏈碼： 07775443312差分碼：67006707061歸一化的差分碼：006707061678.請畫圖表示開運(yùn)算及閉運(yùn)算的運(yùn)算過程。開運(yùn)算平滑圖像輪廓，去掉長的突起 閉運(yùn)算平滑圖像的輪廓，融合窄的缺口和細(xì)長的彎口，、邊緣、毛刺和孤點。 填補(bǔ)圖像的裂縫及破洞9. 若灰度相似準(zhǔn)則V=1，試按四連通和八連通分別標(biāo)出題圖8.13 所示圖像的目標(biāo)物區(qū)域邊界。根據(jù)邊界的定義，以及邊界點集合S 和S 的補(bǔ)集SC 的連通性對應(yīng)關(guān)系，題圖8.13 所示圖像的目標(biāo)物區(qū)域邊界如下圖，其中邊界點用1 表示，背景點用0 表示，非邊界的目標(biāo)物點用空格表示。（1）四連通目標(biāo)物區(qū)域邊界 四連通目標(biāo)物區(qū)域邊界由四連通的邊界點組成，其中四連通的邊界點由值為1 且有八連通的相鄰0值點的目標(biāo)物點組成，如上圖所示：（2）八連通目標(biāo)物區(qū)域邊界 八連通目標(biāo)物區(qū)域邊界由八連通的邊界點組成，其中八連通的邊界點由值為1 且有四連通的相鄰0值點的目標(biāo)物點組成，如下圖所示：10. 題圖 8.1 給出了一幅二值圖像，用八方向鏈碼對圖像中的邊界進(jìn)行鏈碼表述(起點是S 點)，寫出它的八鏈碼(沿順時鐘)，并對該鏈碼進(jìn)行起點歸一化，說明起點歸一化鏈碼與起點無關(guān)的原因。(1) 八鏈碼為： 07000065653434222。(2) 歸一化八鏈碼為：00006565343422207。同一個封閉邊界的不同起點的各個鏈碼可以看作是由表示該邊界的一串?dāng)?shù)碼（鏈碼）循環(huán)移位得到的，如果把這一串?dāng)?shù)看作N 位自然數(shù)，則不同的起點就形成不同大小的N 位自然數(shù)，其中必存在一個最小，若將最小的N 位自然數(shù)串的起點作為歸一化鏈碼的起點，則該歸一化鏈碼必唯一，也與起點無關(guān)。11. 針對題10：(1) 寫出其一階差分碼，并說明其與邊界的旋轉(zhuǎn)無關(guān)；(2) 寫出其形狀數(shù)，并說明階數(shù)。 (1) 一階差分碼為：67100067176171600。當(dāng)四鏈碼旋轉(zhuǎn) 900（或八鏈碼旋轉(zhuǎn)450）的整倍數(shù)時，同起點的封閉邊界旋轉(zhuǎn)前后的原鏈碼就不同，但鏈碼的數(shù)串中前后數(shù)碼的變化大小是不變的，而差分碼就定義為原鏈碼前后數(shù)碼的差模值，因此其差分碼就不變，也就是説，一階差分碼與邊界的旋轉(zhuǎn)無關(guān)。(2) 形狀數(shù)就是歸一化的差分碼，即為：00067176171600671，形狀數(shù)的階數(shù)為17。12.圖像中背景像素的均值與標(biāo)準(zhǔn)差分別為110 和20，目標(biāo)像素的均值和標(biāo)準(zhǔn)差分別為200 和45。試提出1 種基于區(qū)域生長的方法將目標(biāo)分割出來?？刹捎脜^(qū)域生長方法，其步驟如下：（1）從左至右，從上到下掃描圖像；（2）將發(fā)現(xiàn)的灰度值大于200 的像素作為種子點進(jìn)行區(qū)域生長，生長準(zhǔn)則為將相鄰的灰度值與已有區(qū)域的平均灰度值的差小于453=135 的像素擴(kuò)展進(jìn)來（由于目標(biāo)區(qū)的標(biāo)準(zhǔn)差 為45，取其置信區(qū)間為3 ，即為135。）；（3）如果不能再生長，則標(biāo)記已生長的區(qū)域；（4）如果掃描到圖像的右下角，則結(jié)束過程；否則返回（1），繼續(xù)進(jìn)行。13. 根據(jù)所給結(jié)構(gòu)元素，對原圖像進(jìn)行腐蝕、膨脹。 14. 何為灰度共生矩陣？試求下面圖像0度方向的灰度共生矩陣。7.請對以下圖像采用給出的結(jié)構(gòu)元素進(jìn)行膨脹和腐蝕。模式識別習(xí)題1. 圖像都有哪些特征？ （1）幅度特征（2）直方圖特征（3）變換系數(shù)特征（4）線條和角點的特征（5）灰度邊沿特征（6）紋理特征（7）2.什么是圖像匹配？圖像匹配的方法？（1）把不同傳感器或者同一傳感器在不同時間，不同成像條件下對同一景物獲取的兩幅或多幅圖像在空間上對準(zhǔn)，或根據(jù)已知模式到另一模式圖中尋找相應(yīng)的模式。（2）模板匹配法、其他快速計算法、受幾何失真等影響小的匹配算法、幾種實用的圖像匹配算法3.說明模板匹配的原理？課本P1744. 最小距離分類器進(jìn)行模式識別的工作原理是什么？5.匹配形狀數(shù)的基本思想是什么？通過比較對象邊緣的形狀數(shù)的相似程度，來匹配對象。6.說明串匹配的算法思想。a由于匹配是逐字符進(jìn)行的，選擇一個好的開始點，可以大大減少計算量。b任何將兩個串規(guī)則化為符號相同字符開頭的方法都是有效的，只是這種方法不是窮舉起點。C最大的R給出了最好的匹配7.說明神經(jīng)網(wǎng)絡(luò)中反向傳播（BP）算法的主要思想。BP學(xué)習(xí)算法由正向傳播和反向傳播組成：正向傳播是輸入信號從輸入層經(jīng)隱層，傳向輸出層，若輸出層得到了期望的輸出，則學(xué)習(xí)算法結(jié)束；否則，轉(zhuǎn)至反向傳播。反向傳播是將誤差(樣本輸出與網(wǎng)絡(luò)輸出之差）按原聯(lián)接通路反向計算，由梯度下降法調(diào)整各層節(jié)點的權(quán)值和閾值，使誤差減小8. 說明前饋神經(jīng)網(wǎng)絡(luò)與統(tǒng)計模式識別的關(guān)系。1、神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的統(tǒng)計模式識別在很多方面是相聯(lián)系的，這種聯(lián)系不但在于它們都是試圖從樣本數(shù)據(jù)出發(fā)完成模式識別問題，更重要的是它們在方法上具有一定的等價關(guān)系。2、單層的感知器模型實際上就是一種線性分類器3、多層感知器則可看作它的某種非線性推廣和發(fā)展：自組織映射網(wǎng)絡(luò)如果使其鄰域交互作用設(shè)為零則等價于C均值聚類算法。4、它們之間的這些關(guān)系已經(jīng)成為近年來入們廣泛研究的方向之一，其中研究最多也是最有成果的就是前饋型神經(jīng)網(wǎng)絡(luò)與統(tǒng)計模式識別的關(guān)系。9. 分析自動機(jī)識別器與句法分析的關(guān)系。10. 說明傳統(tǒng)的圖像數(shù)據(jù)結(jié)構(gòu)。11. 分層數(shù)據(jù)結(jié)構(gòu)的作用和種類。12. 請論述模式識別系統(tǒng)的主要組成部分及其設(shè)計流程，并簡述各組成部分中常用方法的主要思想。13. 支持向量機(jī)的基本思想14. 1）什么是特征選擇？從一組特征中挑選出一些最有效的特征以達(dá)到降低特征維數(shù)的目的，這個過程叫特征選擇。2） 什么是Fisher線性判別？15. 聚類分析的常用算法及算法思想。一、簡單聚類法 1. 最近鄰規(guī)則的簡單試探法2. 最大最小距離算法：以最大距離原則選取新的聚類中心，以最小距離原則進(jìn)行模式歸類；二、 系統(tǒng)聚類法 首先每一個樣本自成一類，然后按照距離準(zhǔn)則逐步合并，類別數(shù)由多到少，達(dá)到合適的類別數(shù)為止。三、動態(tài)聚類法 首先選擇若干個樣本點作為聚類中心，然后各樣本點向各個中心聚集，得到初始分類；判斷初始分類是否合理，如果不合理，則修改聚類中心16. 貝葉斯判決準(zhǔn)則有哪些？（1）最大后驗概率準(zhǔn)則（2）17.聚類分析的思想。1、 若有未知類別的n個樣本，要把它們分到C類中，可以有不同的聚類方法，如何評價聚類的好壞，需要決定一個聚類準(zhǔn)則。2、 聚類準(zhǔn)則的確定有兩種方法，一是憑經(jīng)驗，根據(jù)分類問題，選擇一種準(zhǔn)則（例如以距離函數(shù)作相似性度量），用不斷修改閥值，來達(dá)到某種最佳分類。另一種方法是確定一種函數(shù)，當(dāng)該函數(shù)取最小值時，仍未達(dá)到最佳分類。 18.前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識別的原理。19.簡述線性判別函數(shù)法進(jìn)行多類問題識別的方法。20.貝葉斯決策的思想及兩種決策準(zhǔn)則和判決規(guī)則。兩類問題的判決規(guī)則為：如果則判： 思想：當(dāng)被識對象用n維隨機(jī)向量X表示，而我們已知分類的先驗概率的條件概率密度函數(shù)，便可根據(jù)貝葉斯公式，求解后驗概率，并按后驗概率的大小來判別分類，這就是貝葉斯決策方法。準(zhǔn)則及規(guī)則：（1）最小錯誤概率貝葉斯判別準(zhǔn)則 （2）最小風(fēng)險貝葉斯判別注意，若：我們規(guī)定任判或拒判。21. 監(jiān)督學(xué)習(xí)與非監(jiān)督學(xué)習(xí)的區(qū)別？監(jiān)督學(xué)習(xí)方法用來對數(shù)據(jù)實現(xiàn)分類，分類規(guī)則通過訓(xùn)練獲得。該訓(xùn)練集由帶分類號的數(shù)據(jù)集組成，因此監(jiān)督學(xué)習(xí)方法的訓(xùn)練過程是離線的。非監(jiān)督學(xué)習(xí)方法不需要單獨(dú)的離線訓(xùn)練過程，也沒有帶分類號（標(biāo)號）的訓(xùn)練數(shù)據(jù)集，一般用來對數(shù)據(jù)集進(jìn)行分析，如聚類，確定其分布的主分量等。就道路圖像的分割而言，監(jiān)督學(xué)習(xí)方法則先在訓(xùn)練用圖像中獲取道路象素與非道路象素集，進(jìn)行分類器設(shè)計，然后用所設(shè)計的分類器對道路圖像進(jìn)行分割。使用非監(jiān)督學(xué)習(xí)方法，則依據(jù)道路路面象素與非道路象素之間的聚類分析進(jìn)行聚類運(yùn)算，以實現(xiàn)道路圖像的分割22.結(jié)構(gòu)模式識別的主要思想。補(bǔ)充：1、數(shù)字圖像處理研究的主要內(nèi)容？（1） 圖像數(shù)字化（2） 圖像變換（3） 圖像增強(qiáng)（4） 圖像復(fù)原（5） 圖像數(shù)據(jù)壓縮典型的低通、高通濾波器有哪些？工作原理是什么？同態(tài)濾波器的工作原理？對彩色圖像如何進(jìn)行平滑處理？令Sxy表示在RGB彩色圖像中定義一個中心在（x，y）的鄰域的坐標(biāo)集，在該鄰域中RGB分量的平均值為：可以得出結(jié)論：用鄰域平均值平滑可以在每個彩色平面的基礎(chǔ)上進(jìn)行,其結(jié)果與用RGB彩色向量執(zhí)行平均是相同的。平滑濾波可以使圖像模糊化，從而減少圖像中的噪聲。 偽彩色圖像處理的基本原理及方法。原理：將灰度圖像或者單色圖像的各個灰度級匹配到彩色空間中的一點，從而使單色圖像映射成彩色圖像。方法：強(qiáng)度分層（亮度切割） 灰度級到彩色變換 頻域濾波敘述幾何畸變圖像的恢復(fù)的算法步驟。算術(shù)編碼的原理及方法?* 算術(shù)編碼原理及方法是將被編碼的信源消息表示成0-1之間的一個間隔，即小數(shù)區(qū)間，消息越長，編碼表示它的間隔就越小;* 以小數(shù)表示間隔，表示的間隔越小所需的二進(jìn)制位數(shù)就越多，碼字就越長。反之，間隔越大，編碼所需的二進(jìn)制位數(shù)就少，碼字就短。* 算術(shù)編碼將被編碼的圖像數(shù)據(jù)看作是由多個符號組成的字符序列，對該序列遞歸地進(jìn)行算術(shù)運(yùn)算后，成為一個二進(jìn)制分?jǐn)?shù);* 接收端解碼過程也是算術(shù)運(yùn)算，由二進(jìn)制分?jǐn)?shù)重建圖像符號序列。 JPEG圖像壓縮的過程。連續(xù)幀圖像壓縮的基本思想。在各連續(xù)幀之間存在簡單的相關(guān)性平移運(yùn)動。一個特定畫面上的像素量值： 1）可以根據(jù)同幀附近像素來加以預(yù)測，被稱為：幀內(nèi)編碼技術(shù) 2）可以根據(jù)附近幀中的像素來