2024 機器視覺試卷與答案

2024機器視覺試卷與答案題1：圖像分割

如下圖所示：


a)使用閾值分割方法對上述圖像進行處理，請給出最佳的閾值分割結(jié)果，并說明你的選擇原因。

b)使用邊緣檢測方法對上述圖像進行處理，請給出最佳的邊緣檢測結(jié)果，并說明你的選擇原因。

c)基于圖像分割結(jié)果，使用區(qū)域生長算法對上述圖像進行處理，請給出最終的圖像分割結(jié)果。

答案：

a)最佳的閾值分割結(jié)果為：我選擇閾值為150的原因是通過觀察原始圖像，發(fā)現(xiàn)目標物體（圓形）的像素值大部分都在該閾值以上。

b)最佳的邊緣檢測結(jié)果為：我選擇邊緣檢測算法Sobel算子的原因是該算子能夠較好地捕捉到圖像中的邊緣信息。

c)基于圖像分割結(jié)果，使用區(qū)域生長算法得到的最終圖像分割結(jié)果為：區(qū)域生長算法根據(jù)像素的相似性將相鄰的像素合并為一個區(qū)域，從而得到了最終的圖像分割結(jié)果。題2：特征提取與描述

下圖為一幅含有多個物體的圖像，請回答以下問題：


a)請說明使用SIFT算法進行特征提取的步驟，并給出提取到的關鍵點的數(shù)量。

b)使用SURF算法對上述圖像進行特征提取，請給出提取到的關鍵點的數(shù)量。

c)選擇一種合適的特征描述子，并對提取到的關鍵點進行描述。

答案：

a)SIFT算法的特征提取步驟包括：

-尺度空間極值點檢測：在不同尺度下，通過高斯差分金字塔尋找圖像的極值點。

-關鍵點定位：對極值點進行精確定位，通過擬合尺度空間中的極值點，確定特征點的位置和尺度。

-方向分配：為每一個關鍵點指定主方向，提高特征的旋轉(zhuǎn)不變性。

-描述子生成：根據(jù)關鍵點周圍的梯度方向，生成128維的描述子向量。

提取到的關鍵點數(shù)量為30個。

b)SURF算法的特征提取步驟包括：

-尺度空間構(gòu)建：采用Hessian矩陣的行列式來檢測尺度空間中的局部極值點。

-關鍵點定位：在尺度空間中進行關鍵點的定位，通過Hessian矩陣的曲率來判斷是否為關鍵點。

-方向分配：為關鍵點分配主方向，使得特征具備旋轉(zhuǎn)不變性。

-描述子生成：構(gòu)建特定尺度下的區(qū)域劃分網(wǎng)格，通過計算Haar小波特征來生成描述子。

提取到的關鍵點數(shù)量為40個。

c)選擇一種合適的特征描述子是關鍵點的描述過程，常用的特征描述子有SIFT描述子和SURF描述子?？紤]到圖像中的物體較為復雜，選擇使用SIFT描述子進行描述。

SIFT描述子會對關鍵點周圍的圖像區(qū)域進行劃分，并計算每個子區(qū)域內(nèi)的梯度直方圖。將所有子區(qū)域內(nèi)的梯度直方圖串聯(lián)起來，生成最終的128維特征向量。通過