計(jì)算機(jī)視覺(jué)復(fù)習(xí)資料2016

1、一、名詞解釋視知覺(jué)：直方圖均衡化：拉普拉斯算子：統(tǒng)計(jì)模式識(shí)別：人工智能：無(wú)監(jiān)督學(xué)習(xí)：視感覺(jué)：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(lèi)：參考：1 .視知覺(jué)主要論述人們從客觀世界接收到視覺(jué)刺激后如何反應(yīng)以及反應(yīng)所采用的方式，視知覺(jué)是在神經(jīng)中樞進(jìn)行的一組活動(dòng)，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(shí)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(gè)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(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對(duì)比度的效果。3 .模板的基本要求是對(duì)應(yīng)中心像素的系數(shù)應(yīng)是正的，而對(duì)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(jì)模式識(shí)別方法就是用給定的有限數(shù)量樣本集，在已知研究對(duì)象統(tǒng)計(jì)模型或已知類(lèi)判別函數(shù)條件下根據(jù)一定的準(zhǔn)則通過(guò)學(xué)習(xí)算法把d維特征空間劃分為c個(gè)區(qū)域，每一個(gè)區(qū)域與每一類(lèi)別相對(duì)應(yīng)。模式識(shí)別系統(tǒng)在進(jìn)行工作時(shí)只要判斷被識(shí)別的對(duì)象落入哪一個(gè)區(qū)域，就能確定出它所屬的類(lèi)別。一個(gè)統(tǒng)計(jì)模式識(shí)別系統(tǒng)應(yīng)包含預(yù)處理、特征抽取、分類(lèi)器等部分。5 .人工智能是研究、開(kāi)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(mén)技術(shù)科學(xué)。研究用計(jì)算機(jī)來(lái)模擬人的某些思維過(guò)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(jì)算機(jī)實(shí)現(xiàn)智能的原理、制造類(lèi)似于人腦智能的計(jì)算機(jī)，使計(jì)算機(jī)能實(shí)現(xiàn)更高層次的應(yīng)用。6 .

3、無(wú)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(duì)原始資料進(jìn)行分類(lèi)，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(wú)監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)在學(xué)習(xí)時(shí)并不知道其分類(lèi)結(jié)果是否正確，亦即沒(méi)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(diǎn)是僅對(duì)此種網(wǎng)絡(luò)提供輸入范例，而它會(huì)自動(dòng)從這些范例中找出潛在類(lèi)別規(guī)則。當(dāng)學(xué)習(xí)完畢并經(jīng)測(cè)試后，也可以將之應(yīng)用到新的案例上。7 .視感覺(jué)中主要研究的內(nèi)容有：光的物理特性；光刺激視覺(jué)感受器官的程度；光作用于視網(wǎng)膜后經(jīng)視覺(jué)系統(tǒng)加工而產(chǎn)生的感覺(jué)。8 .用戶可指定規(guī)定化函數(shù)來(lái)得到特殊的增強(qiáng)功能，3個(gè)步驟：對(duì)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(jì)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(guò)來(lái)，即將原始直方圖對(duì)應(yīng)映射到規(guī)定的直方圖。9 .在每個(gè)分辨率上進(jìn)行如下計(jì)算：用一個(gè)2-D的高斯平滑模板與原圖像卷積，計(jì)算卷積后圖像的拉普拉斯值，檢測(cè)拉普拉斯圖像中的過(guò)零點(diǎn)作為邊緣點(diǎn)。10 .人工神經(jīng)網(wǎng)絡(luò)從信息處理角度對(duì)人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種簡(jiǎn)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(yùn)算模型，由大量的節(jié)點(diǎn)（或稱(chēng)神經(jīng)元）相互聯(lián)接構(gòu)成；每個(gè)節(jié)點(diǎn)代表一種特定的輸出函數(shù)，稱(chēng)為激勵(lì)函數(shù)；每?jī)蓚€(gè)節(jié)點(diǎn)間的連接代表一個(gè)對(duì)于通過(guò)該連接信號(hào)的加權(quán)值，稱(chēng)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(lì)函數(shù)而不同；網(wǎng)絡(luò)自身通常都是對(duì)自然界某種算法或者函數(shù)

5、的逼近，也可能是對(duì)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(lèi)別的樣本調(diào)整分類(lèi)器的參數(shù)，使其達(dá)到所要求性能的過(guò)程，是從標(biāo)記的訓(xùn)練數(shù)據(jù)來(lái)推斷一個(gè)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(shí)例，每個(gè)實(shí)例都是由一個(gè)輸入對(duì)象（通常為矢量）和一個(gè)期望的輸出值（也稱(chēng)為監(jiān)督信號(hào)）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(gè)推斷的功能，可以映射出新實(shí)例。12 .模糊聚類(lèi)分析是指根據(jù)研究對(duì)象本身的屬性來(lái)構(gòu)造模糊矩陣，并在此基礎(chǔ)上根據(jù)一定的隸屬度來(lái)確定聚類(lèi)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(lèi)。聚類(lèi)就是將數(shù)據(jù)集分成多個(gè)類(lèi)或簇，使得各個(gè)類(lèi)之間的數(shù)據(jù)差別盡可能大，

6、類(lèi)內(nèi)之間的數(shù)據(jù)差別盡可能小，即“最小化類(lèi)間相似性，最大化類(lèi)內(nèi)相似性”原則。二、簡(jiǎn)答1、計(jì)算機(jī)視覺(jué)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(jué)、模式識(shí)別、人工智能、計(jì)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(jì)算機(jī)視覺(jué)是指用計(jì)算機(jī)實(shí)現(xiàn)人類(lèi)的視覺(jué)功能。就是用各種成像系統(tǒng)代替視覺(jué)器官作為輸入敏感手段，由計(jì)算機(jī)來(lái)代替大腦完成處理和解釋。計(jì)算機(jī)視覺(jué)的研究方法目前主要有兩種，仿生學(xué)的方法：參照人類(lèi)視覺(jué)系統(tǒng)的結(jié)構(gòu)原理；工程的方法：實(shí)現(xiàn)系統(tǒng)的功能。計(jì)算機(jī)視覺(jué)的主要研究目標(biāo)可歸納成兩個(gè)：建立計(jì)算機(jī)視覺(jué)系統(tǒng)來(lái)完成各種視覺(jué)任務(wù)；加深對(duì)人腦視覺(jué)機(jī)理的掌握和理解。相關(guān)學(xué)科：（1）圖像理解：與計(jì)算機(jī)視覺(jué)有相同的

7、目標(biāo)；（2）機(jī)器視覺(jué)：更關(guān)注通過(guò)視覺(jué)傳感器獲取環(huán)境的圖像，構(gòu)建具有視覺(jué)感知功能的系統(tǒng)以及實(shí)現(xiàn)檢測(cè)和辨識(shí)物體的算法；（3）模式識(shí)別：圖像就是模式的一種；（4）人工智能：視覺(jué)功能是人類(lèi)智能的體現(xiàn)（1分）；（5）計(jì)算機(jī)圖形學(xué)：計(jì)算機(jī)視覺(jué)的反/逆問(wèn)題。2、實(shí)現(xiàn)圖像分割有哪幾類(lèi)技術(shù)方法？各自的特點(diǎn)是什么？圖像分割方法可以分為兩大類(lèi)。一類(lèi)是邊界方法，這種方法假設(shè)圖像分割結(jié)果的某個(gè)子區(qū)域在原來(lái)圖像中一定會(huì)有邊緣存在；一類(lèi)是區(qū)域方法，這種方法假設(shè)圖像分割結(jié)果的某個(gè)子區(qū)域一定會(huì)有相同的性質(zhì)，而不同區(qū)域的像素則沒(méi)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(diǎn)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(huì)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(cè)的方法，對(duì)圖像的每一點(diǎn)上所做的處理不依賴(lài)于其他的點(diǎn)處理結(jié)果。串行邊界分割在處理圖像時(shí)不但利用了本身像素的信息，而且利用前面處理過(guò)像素的結(jié)果。對(duì)某個(gè)像素的處理，以及是否把它分類(lèi)成邊界點(diǎn)，和先前對(duì)其他點(diǎn)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(duì)目標(biāo)區(qū)域進(jìn)行檢測(cè)實(shí)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(duì)目標(biāo)區(qū)域直接檢測(cè)實(shí)

9、現(xiàn)分割的方法。特點(diǎn)：整個(gè)處理過(guò)程可以分解為順序的多個(gè)步驟依次進(jìn)行?？煞譃椋簠^(qū)域生長(zhǎng)，分列合并。3、攝像機(jī)的標(biāo)定程序和標(biāo)定步驟？?jī)杉?jí)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(diǎn)；用攝像機(jī)拍攝這些點(diǎn)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(jí)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(shí)只需用一幅含有一組共面基準(zhǔn)點(diǎn)的圖像即可；如果以未知，標(biāo)定時(shí)需用一幅含有一組不共面基準(zhǔn)點(diǎn)的圖像。4、請(qǐng)?jiān)敿?xì)描述Marr視覺(jué)計(jì)算理論。Marr認(rèn)為視覺(jué)是一個(gè)復(fù)雜的信息加工過(guò)程，要解決兩個(gè)問(wèn)題：一個(gè)是視覺(jué)信息的表達(dá)問(wèn)題，另一個(gè)是視覺(jué)信息的加工問(wèn)題。他從信息處理系統(tǒng)的角度出發(fā)，認(rèn)為視覺(jué)信息加工有三個(gè)要素，即計(jì)算理論、算法實(shí)現(xiàn)、硬件實(shí)現(xiàn)。表14WI視覺(jué)信息加工巾三

11、要素的含義要置名稱(chēng)1 計(jì)算理論2 算法實(shí)現(xiàn)1硬件實(shí)現(xiàn)含義和所解決的問(wèn)廄什么是計(jì)算目的，為什么要這樣計(jì)真，需要什么妁柬?xiàng)l件慰樣實(shí)現(xiàn)計(jì)算理論，什么是輸入輸川表達(dá),用什么算法實(shí)現(xiàn)表達(dá)間的轉(zhuǎn)換E樣在物理上實(shí)現(xiàn)表達(dá)印品法，什幺是計(jì)算雉構(gòu)的具體細(xì)n一個(gè)任務(wù)要用計(jì)算機(jī)完成，它應(yīng)該是可以被計(jì)算的；這就是可計(jì)算性問(wèn)題，需要用計(jì)算理論來(lái)回答。有了計(jì)算理論后，還必須要有算法實(shí)現(xiàn)，為此需要給加工所操作的實(shí)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(shí)現(xiàn)算法也是必不可少的；特別是隨著對(duì)實(shí)時(shí)性要求的不斷提高，專(zhuān)用的硬件實(shí)現(xiàn)問(wèn)題常常被提出來(lái)。三、分析與計(jì)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(duì)噪聲點(diǎn)（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(diǎn)的右上角點(diǎn)作為初始點(diǎn)，畫(huà)出其輪廓23、一幅圖像的象素灰度級(jí)為256、大小為1024X1024的圖像的數(shù)據(jù)量多少M(fèi)B假設(shè)網(wǎng)絡(luò)的平土專(zhuān)輸速率為1MEt/s,需要多少秒才能傳送完畢？每個(gè)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(lèi)型，包括平滑模板、銳化模板和邊緣檢測(cè)模板。0-100M1=-14-1M2=-10-10-0-

13、1001405-1M3=1/401/4-10-一01/401M1邊緣檢測(cè)模板、M2銳化模板、M3平滑模板5、一幅32X32,8個(gè)灰度級(jí)的數(shù)字圖像，各灰度級(jí)所占像素個(gè)數(shù)見(jiàn)下表，對(duì)其進(jìn)行直方圖均衡化處理，求實(shí)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))。灰度級(jí)ri01234567像19525621616482613020原始圖像灰度級(jí)Sk01234567原始圖像各灰度級(jí)像素個(gè)數(shù)19525621616482613020計(jì)算原始直方圖p(Sk)=nk/n0.190.250.210.160.080.060.030.02計(jì)算原始累計(jì)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(duì)應(yīng)關(guān)系0一11一32一53,4一65,6,77新圖像各灰度級(jí)像素個(gè)數(shù)195256216246111計(jì)算新直力圖0.190.250.210.240.11四、設(shè)計(jì)與應(yīng)用1、設(shè)計(jì)一個(gè)基于計(jì)算機(jī)視覺(jué)的車(chē)輛自動(dòng)識(shí)別收費(fèi)系統(tǒng)，要求該系統(tǒng)可以對(duì)行駛中的車(chē)輛進(jìn)行車(chē)型和車(chē)牌識(shí)別，在不停車(chē)的情況下實(shí)現(xiàn)車(chē)輛按型號(hào)不同分類(lèi)收費(fèi)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(chē)輛進(jìn)入收費(fèi)站時(shí)觸發(fā)埋設(shè)在地下的地感線圈，產(chǎn)生觸發(fā)信號(hào)，收費(fèi)計(jì)算機(jī)控制嵌入式車(chē)牌識(shí)別模塊進(jìn)行圖像抓拍，抓拍到的車(chē)輛車(chē)牌圖像經(jīng)

15、視頻采集卡送到收費(fèi)計(jì)算機(jī)，并由嵌入式車(chē)牌識(shí)別模塊識(shí)別車(chē)牌，根據(jù)識(shí)別出的車(chē)牌在數(shù)據(jù)庫(kù)中查找對(duì)應(yīng)車(chē)型，若數(shù)據(jù)庫(kù)已存在該車(chē)車(chē)型，系統(tǒng)通知軟件自動(dòng)打印發(fā)票；若該車(chē)型尚未被數(shù)據(jù)庫(kù)確認(rèn)，軟件將提示收費(fèi)員人工確認(rèn)該車(chē)車(chē)型。再進(jìn)行打印發(fā)票收費(fèi)。車(chē)牌車(chē)型信息在同一管理中心下屬各收費(fèi)站共享。據(jù)悚車(chē)觸及車(chē)型宿息上-車(chē)牌狀總傳訓(xùn)別結(jié)乂暹精息也增計(jì)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(shuō)明虹膜識(shí)別的過(guò)程，以及虹膜抓拍系統(tǒng)的軟件流水線。虹膜識(shí)別的過(guò)程依次是：捕獲人臉的圖像、檢測(cè)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(kù)匹配、輸出識(shí)別結(jié)果。在整

16、個(gè)過(guò)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(cè)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(cè)技術(shù)以及卡爾曼濾波來(lái)檢測(cè)和跟蹤臉部區(qū)域。在立體相機(jī)計(jì)算得到眼睛的三維位置后，進(jìn)一步將這個(gè)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(chǎng)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(xiě)的近紅外圖像。由于用戶運(yùn)動(dòng)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(duì)臉部圖像進(jìn)行眼睛檢測(cè)，然后將裁剪后的眼睛圖像發(fā)送給識(shí)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(jì)每一個(gè)像素梯度的方向，12. /因此會(huì)在內(nèi)部自動(dòng)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(huà)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(shí)現(xiàn)Canny算子邊緣檢測(cè)，代碼中進(jìn)行相應(yīng)注釋1. #include<highg