计算机视觉复习资料.docxVIP

实用标准

一、名词解释

视知觉：

直方图均衡化：

拉普拉斯算子：

统计模式识别：

人工智能：

无监督学习：

视感觉：

直方图规定化：

马尔算子：

人工神经网络：

有监督学习：

模糊聚类：

参考：

1.视知觉主要论述人们从客观世界接收到视觉刺激后如何反应以及反应所采 用的方式，视知觉是在神经中枢进行的一组活动，它把视野中一些分散的刺 激加以组织，构成具有一定形状的整体以认识世界。

2.直方图均衡化的基本思想是把原始图的直方图变换为在整个灰度范围内均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。

3.模板的基本要求是对应中心像素的系数应是正的，而对应中心像素邻近像素 的系数应是负的，且所有系数的总和应该是零。

4.统计模式识别方法就是用给定的有限数量样本集，在已知研究对象统计模型或已知类判别函数条件下根据一定的准则通过学习算法把d维特征空间划分为c个区域,每一个区域与每一类别相对应。模式识别系统在进行工作时只要判断被识别的对象落入哪一个区域，就能确定出它所属的类别。一个统计模式识别系统应包含预处理、特征抽取、分类器等部分。

5.人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。研究用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。

文案大全

实用标准

6.无监督式学习是人工智能网络的一种算法，目的是对原始资料进行分类，以了解资料内部结构。有别于监督学习网络，无监督学习网络在学习时并不知道其分类结果是否正确，亦即没有受到监督式增强(告诉它何种学习是正确的)。其特点是仅对此种网络提供输入范例，而它会自动从这些范例中找出潜在类别规则。当学习完毕并经测试后，也可以将之应用到新的案例上。

7.视感觉中主要研究的内容有：①光的物理特性；②光刺激视觉感受器官的程 度；③光作用于视网膜后经视觉系统加工而产生的感觉。

8.用户可指定规定化函数来得到特殊的增强功能，3个步骤：①对原始图的直方图进行灰度均衡化，②规定需要的直方图，并计算能使规定的直方图均衡化的变换，③将第1步得到的变换反转过来，即将原始直方图对应映射到规定的直方图。

9.在每个分辨率上进行如下计算：①用一个2-D的高斯平滑模板与原图像卷积，②计算卷积后图像的拉普拉斯值，③检测拉普拉斯图像中的过零点作为边缘点。

10.人工神经网络从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络；神经网络是一种运算模型，由大量的节点（或称神经元）相互联接构成；每个节点代表一种特定的输出函数，称为激励函数；每两个节点间的连接代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆；网络的输出按网络的连接方式，权重值和激励函数而不同；网络自身通常都是对自然界某种算法或者函数的逼近，也可能是对一种逻辑策略的表达。

11.有监督学习是指利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练实例，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（也称为监督信号）组成。监督学习算法是分析该训练数据，并产生一个推断的功能，可以映射出新实例。

12.模糊聚类分析是指根据研究对象本身的属性来构造模糊矩阵，并在此基础上根据一定的隶属度来确定聚类关系，即用模糊数学的方法把样本之间的模糊关系定量的确定，从而客观且准确地进行聚类。聚类就是将数据集分成多个

文案大全

实用标准

类或簇，使得各个类之间的数据差别尽可能大，类内之间的数据差别尽可能小，即“最小化类间相似性，最大化类内相似性”原则。

二、简答

1、计算机视觉的定义、研究方法、研究的目标是什么？它和图像处理、机器视觉、模式识别、人工智能、计算机图形学等相关学科有哪些联系或区别？

计算机视觉是指用计算机实现人类的视觉功能。就是用各种成像系统代替视觉器官作为输入敏感手段，由计算机来代替大脑完成处理和解释。

计算机视觉的研究方法目前主要有两种，①仿生学的方法：参照人类视觉系统的结构原理；②工程的方法：实现系统的功能。

计算机视觉的主要研究目标可归纳成两个：①建立计算机视觉系统来完成各种视觉任务；②加深对人脑视觉机理的掌握和理解。

相关学科：(1)图像理解：与计算机视觉有相同的目标；(2)机器视觉：更关注通过视觉传感器获取环境的图像，构建具有视觉感知功能的系统以及实现检测和辨识物体的算法；(3)模式识别：图像就是模式的一种；(