1. 判断题（在题目后面的括号中填入T或F，分别代表正确或错误）。
(1) 灰度直方图是灰度级的函数，描述的是图像中具有该灰度级像素的个数，其纵坐标是灰度级，横坐标是该灰度出现的频率。（ F ）
(2) 中值滤波是一种线性滤波，它在实际应用中需要图像的统计特性。（F ）
(3) 图像经频域变换后其特点是变换结果能量分布向高频成分方向集中，图像上的边缘、线条等信息在低频成分上得到反映。（ F ）
(4) 观察直方图可以看出不适合的数字化。（T ）
2. 单选题（每题只有一个选项是正确的）
(1) 锐化（高通）滤波器的作用：A
A 能减弱或削除傅立叶空间的低频分量，但不影响高频分量。
B 能减弱或削除傅立叶空间的高频分量，但不影响低频分量。
C 对傅立叶空间的低、高频分量均有减弱或削除作用。
D 对傅立叶空间的低、高频分量均有增强作用。
(2) 下列说法不正确的是 C
A 点运算是对一副图像的灰度级进行变换。
B 线性点运算仅能拉伸或压缩直方图，以及使之左移或右移。
C 点运算可以改变图形内的空间关系。
D 点运算以预定的方式改变一幅图像的灰度直方图。
(3) 在所有颜色模型中，最常用于彩色图像的是：D
A GMY
B YIQ
C HSV
D HSI
(4) 以下说法正确的是：B
A 用数学形态学处理一些图像时，膨胀运算会收缩图像，腐蚀运算会扩大图像。
B 用数学形态学处理一些图像时，开运算和闭运算都可以平滑图像的轮廓。
C 在形态算法设计中，结构元的选择非常重要，它可以在几何上比原图像复杂，且
无界。
D 在形态算法设计中，用非凸子集作为结构元也是可以的。
(5) 数字图像的灰度直方图的横坐标表示：A
A 灰度级
B 出现这种灰度的概率
C 像素数
D 像素值
(6) 以下说法正确的是 C
A 先膨胀后腐蚀的运算称为开运算。
B 先腐蚀后膨胀的运算称为闭运算。
C 细化是将一个曲线型物体细化为一条单像素宽的线，从而图形化的显示出其拓扑
性质。
D 消除连续区域内的小噪声点，可以通过连续多次使用开闭运算。
(7) 下列描述正确的有 D
A 只有傅立叶变换才能够完成图像的频率变换。
B 图像经频域变换后，变换结果是能量分布向高频方向集中，图像上的边缘、线条
等信息在低频成分上得到反映。
C 图像处理中的模板运算在频域中将变为乘法运算。
D 滤除频域中的低频分量，使图像变换得较为清晰。
(8) 对于256色位图，bit位可以表示一个像素？ D
A 1个
B 2个
C 4个
D 8个
(9) 假定图像取M*N个样点，每个像素量化后的灰度二进制位数为Q,则存储一幅数字图像
所需的二进制位数b为：A
A b=M*N*Q
B b=M*N*Q/2
C b=M*N*Q/8
D b=M*N*Q/16
(10) 请选择边缘提取算法的一项 A
A β(A)=A-(A?B)
B X k＝(Ｘk -Β)∩Α°k=1,2,…
C X k＝(Ｘk -Β)∩Αk=1,2,…
D β(A)=A-B
(11) 用一个有1024个像素的线扫描CCD采集一幅64*64个像素的图像需要扫描: B
A 4条线;
B 64条线;
C 1024条线;
D 64*64条线;
(12) 在BMP格式,GIF格式,TIFF格式和JPEG格式中 A
A 为表示同一幅图像,BMP格式使用的数据量最多;
B GIF格式独立于操作系统;
C 每种格式都有文件头,其中TIFF格式最复杂;
D JPEG格式的数据文件中可存放多幅图像.
(13) 一幅数字图像是: C
A 一个观测系统
B 一个由许多像素排列而成的实体
C 一个2-D数组中的元素
D 一个3-D空间中的场景
(14) 下列哪种类型的图像没有使用调色板？A
A 黑白图像
B 灰度图像
C 索引图像
D 真彩色图像
3. 多选题（每题可能一个或多个选项是正确的）
(1) HSI模型的特点 A D
A I分量与图形的彩色信息无关
B I分量与图形的彩色信息紧密相连的
C H和S分量与人感受颜色的方式无关
D H和S分量与人感受颜色的方式紧密相连的
(2) 以下哪些属于BMP图像文件结构的组成部分：ABD
A BITMAPFILEHEADER
B BITMAPINFOHEADER
C DataImage
D Palette
(3) 对于直方图，以下描述错误的是BD
A 直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果。
B 直方图可以反映某一灰度值像素所在的位置。
C 任一幅图像都能唯一地确定出一幅与它对应的直方图。
D 任一幅直方图都能唯一地确定出一幅与它对应的图像。
(4) 以下有关HSI的论述正确的有AC
A 可以通过相应的公式实现RGB到HSI的转换。
B H是颜色点向量与黄色轴的夹角。
C 颜色点的饱和度S是指一种颜色被白色稀释的程度。
D 颜色点距离红绿蓝三色构成的三角形的中心越远，其饱和度越小。
(5) 图像平滑处理包括BC
A 高通滤波法
B 邻域平均法
C 多图像平均法
D 零交叉边缘检测
(6) 以下图像技术中哪些属于图像处理技术: AC
A 图像编码
B 图像合成
C 图像增强
D 图像分类
(7) 利用光的三基色叠加可产生光的三补色,其中有: AD
A 黄色
B 紫色
C 橙色
D 品红
(8) 颜料中的三基色可由下面哪种方法得到? AD
A 蓝+红,蓝绿+蓝,红+绿
B 红+蓝,绿+蓝,品红+绿
C 蓝+红,绿+蓝,红+绿
D 红+蓝,绿+红,蓝+绿
(9) 傅里叶变换有哪些特点？ABD
A 有频率的概念
B 有关于复数的运算
C 均方意义下最优
D 变换有正交性
(10) 当不采用快速算法时，计算一个8点的傅里叶变换需要的加法次数和乘法次数分别为：
B
A 64和64
B 56和64
C 56和56
D 48和56
4. 简答题
1 数字图像处理的主要内容是什么？
答案数字图像处理概括地说主要包括如下几项内容：几何处理，算术处理，图像增强，图像复原，图像重建，图像编码，图像识别，图像理解。
2 直方图均衡化处理的主要步骤是什么?
答案
1）统计原始图像的直方图；
2）根据给定的成像系统的最大动态范围和原始图像的灰度级来确定处理后的灰度级间隔；3）根据求得的步长来求变换后的新灰度；
4）用处理后的新灰度代替处理前的灰度。
3 图像增强的目的是什么？
答案图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用来说，比原始图像更适用。因此，这类处理是为了某种应用目的而去改善图像质量的。
4 试述均值滤波和中值滤波的基本原理是什么？
答案均值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的平均值代替。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替。
5 图像信息处理的主要方法有哪些？
答案
1）图像变换
2）图像增强
3）图像复原
4）图像压缩
5）图像重建
6 为什么一般情况下对离散图像的直方图均衡化并不能产生完全平坦的直方图？
答案这是由于在均衡化的过程中，原直方图上有几个像素数较少的灰度级归并到一个新的灰度级上，而像素较多的灰度级间隔被拉大了。这样减少了图像的灰度级以换取对比度的扩大，却导致了不均匀的产生。
7 试分析说明图像形态学运算中开运算和闭运算分别在图像处理中的作用。
答案开运算具有消除细小物体、在纤细点处分离物体和平滑较大物体的边界时又不明显得改变其面积的作用。闭运算具有填充物体内细小空洞、连接临近物体、在不明显改变物体面积的情况下平滑其边界的作用。连续的开闭运算相结合可以去除二值化图像的噪声，并平滑其边界。
8试从模式类与模式概念分析以下词之间的关系： 王老头，王老太，王明（广西大学学生），周强（年轻教师），老年人，老头，老太，年青人。
答案： 答：模式类：老年人
模式：王老太，老头，老太。
模式类：年青人
模式：王明（广西大学学生），周强（年轻教师）
模式类：老头
模式：王老头
模式类：老太
模式：王老太
9 canny 算法
答：step1:用高斯滤波器平滑图象； step2:用一阶偏导的有限差分来计算梯度的幅值和方向；step3:对梯度幅值进行非极大值抑制；step4:用双阈值算法检测和连接边缘。
10 KD 树原理与应用“
答：k-d 树是早期发明的一种用于多维检索的树结构，它每一层都根据特定的关键码将对象空间分解为两个，在每一层用来进行决策的关键码称为识别器。在结点分配的时候首先比较该层的识别器，对于k 维关键码，在第i 层把识别器定义为i mod k ，对应的0为第一维，1为第二维，依此类推。结点分配时，如果关键码小于识别器的值就放到左子树中，否则放到右子树。K-d 能快速地对多维数据进行搜索、匹配。
综合题：
1.在图像增强（空间域方法）的课上曾提到分布在图像背景中孤立的暗或亮的像素团块，当它们小于中值滤波器区域（模板）的一半时，经过中值滤波器处理后会被滤除（被其邻值同化）。假定滤波器尺寸为n n ?，n 为奇数，请解释这种现象的原因。
答： n n ?中值滤波模板共有2
n 个元素点。由于n 为奇数，因此对于中值?，将会有2/)1(2-n 个点的值小于或等于中值?，同样也有2/)1(2-n 个点的值大于或等于中值?。由于噪声团块的像素个数A 少于2
n 的一半，且A 和n 均为整数，因而A 总是小于或等于2/)1(2-n 。因此，即使在最极端的情况下，即整个噪声团块均被掩模覆盖时，噪声团块中的任何一个像素点的值都不可能在排序中达到或超过中间的位置（此前已经假设噪声团块中的点均为比背景像素点亮或暗的值）。所以，当掩模的中心点位于噪声团块的内部时，其值将被中值代替，而中值将会是背景的值，其图像处理结果即表现为该噪声点从背景中被剔除。至于其它非极端情况（即掩模仅覆盖了噪声团块的一部分），显而易见，以上的结论也是适用的。
2.（a ）试提出一种过程来求一个n n ?邻域的中值。
（b ）试提出一种技术，随着邻域的中心逐像素移动时不断地更新中值。
答：（a ）对n n ?邻域中所有的像素(2n 个像素) 进行排序，中值即为第]2/)1[(2
+n 个像素值。
（b ）当邻域中心移到某一像素时，首先对邻域元素进行排序，并储存其中值；然后邻域中心移动到下一像素，再次对邻域元素进行排序，用该次排序的中值替换上次排序的中值；如此逐个像素重复该过程，直至邻域中心逐个移动过图像的所有像素。
3. 说明式1、2代表的滤波器类型（带阻滤波器或带通滤波器）。并写出其相对应的带阻/带通－>带通/带阻滤波器数学表达式子。
答： 式子（1）表示的滤波器为带阻滤波器，其相应的带通滤波器的表达式通过计算),(1v u H -得到，为：
式子（2）表示的滤波器为带阻滤波器，其相应的带通滤波器的表达式通过计算),(1v u H -得到，为：
4 对一个染色体分别用一下两种方法描述：
(1) 计算其面积、周长、面积/周长、面积与其外接矩形面积之比可以得到一些特征描述，如何利用这四个值？属于特征向量法，还是结构表示法？
(2) 按其轮廓线的形状分成几种类型，表示成a 、b 、c 等如图表示，如何利用这些量？属哪种描述方法？
(3) 设想其他结构描述方法。（8分） )1(2),(,12),(2,02),(,1),(0000?????????+>+≤≤--<=W D v u D W D v u D W D W D v u D v u H )2(1),(2),(),(2120202????????----=D v u D D v u D e v u H )
4(),(2
),(),(2120202????????---=D v u D D v u D e v u H )
3(2),(,02),(2,12),(,0),(0000?????????+>+≤≤--<=W D v u D W D v u D W D W D v u D v u H
答案：（1）这是一种特征描述方法，其中面积周长可以体现染色体大小，面积周长比值越小，说明染色体越粗，面积占外接矩形的比例也体现了染色体的粗细。把这四个值组成特征向量可以描述染色体的一些重要特征，可以按照特征向量匹配方法计算样本间的相似度。可以区分染色体和其它圆形、椭圆细胞结构。
（2）a形曲线表示水平方向的凹陷，b形表示竖直方向的凹陷，c形指两个凹陷之间的突起，把这些值从左上角开始，按顺时针方向绕一圈，可以得到一个序列描述染色体的边界。它可以很好的体现染色体的形状，用于区分X和Y染色体很合适。这是结构表示法。
（3）可以先提取待识别形状的骨架，在图中用蓝色表示，然后，用树形表示骨架图像。
5. 下列的图像给出了原图像及其经过一些形态学运算后的4个处理结果（a、b、c、d）。参考所示图像，分别给出实现该处理结果所运用的一个或多个结构元及相应的一步或多步形态学运算过程，要求在结构元上标明原点的位置。虚线部分说明了原始图像的边界，仅作为参考。注意在（d）中所有的拐角都是圆滑的。
a b
c d
答：
各处理过程使用的结构元分别如上图，其原点位置如图中黑点所示。
（a）的处理结果为采用图示的正方形结构元对原图像腐蚀得到，其中结构元的原点位置位于正方形的右下角。
（b）的处理结果为采用图示的竖长矩形结构元对原图像腐蚀得到，其中结构元的原点位置位于长方形的下方，如图所示。
（c）的处理结果为首先采用图示的正方形结构元对原图像腐蚀得到中间结果，再采用图示的圆形结构元对中间结果进行膨胀得到。其结构元的原点位置均位于中心。
（d）的处理结果为首先采用图示的较大的圆形结构元对原图像膨胀得到中间结果（如图d 左侧所示），再采用图示的稍小的圆形结构元（其半径为膨胀操作采用的圆形结构元的一半）对中间结果进行腐蚀得到。其结构元的原点位置均位于中心。
6. 图像相减处理常用于工业中，如在生产装配线上检测装配组件是否缺少了元件。这种方法首先要存入一幅“金”图像，即组装正确的图像；然后将相同产品的输入图像减去这幅图像。当然，如果新产品组装正确的话，它们的差为0。如果产品丢失了元件，那么差值图像在该区域与正确的图像不同，不是0。你认为在实践中用这种方法应满足什么条件？
提示：根据图像处理的相关知识，进行扩展思维，大胆发挥，把你认为要实现这样的一个工业检测应用应该注意的一些因素写出来。
比如可以从1图像的配准，2图像的噪声，3图像的光照或其它环境变化对图像亮度的改变造成的对相减图像结果的判别影响等方面考虑。
比如说使两幅图像进行相减得到有意义的结构，那么就一定需要产品在两幅图像中的位置是一致的（或者说必须要使两幅图像中产品的相应位置进行相减），这就要求在进行相减前先对两幅图像进行配准，而为了能够实现配准，可以通过在产品上一些设置标志点，这样通过配准两幅图像中的标志点，也就实现了两幅图像中产品的配准。只有实现了两幅图像中产品的位置的配准，它们的相减结果才具有实际应用意义。
以上仅为一些提示，全面的思路必须自己思考，进一步完善。
7．指纹识别中的指纹图像预处理。
提示：解觉思路应该应用数学形态学处理方法，处理结果应去除图像噪声的同时尽可能保留图像的有用信息，不能丢失太多细节。可以考虑首先采用腐蚀操作，降低图像噪声，然后再膨胀操作，使指纹的纹路连续起来，最后再进行腐蚀操作，还原图像主要信息。
8．OCR的主要思路：
提示：首先用边缘提取或边缘检测获取字符区域，然后进行连通性判断，分离独立字符区域，必要时需要采用数学形态学操作分离。对亮度大小进行归一化，构造分类器，包括神经网络分类器和其他分类器，对输入特征进行分类输出，最终得到识别结果。
说明：方法有多种，把要点说清楚，方案可行即可。
9 二维码识别思路：
提示：首先用边缘提取或边缘检测获取二维码图像特征，并根据导航条分布确定二维码4个定点位置，然后进行仿射变换，校正矩形形变。该问题难点在于图像质量较差，背景混乱，光照均匀，拍摄角度较为自由，二维码数量不确定，这些都是需要针对性考虑解决的关键难点。
详细可参考“二维码识别报告”一文。
另外学习斯坦福大学EE368课程2003年的人脸检测课程项目，链接https://www.doczj.com/doc/263928396.html,/class/ee368/Project_03/project_03.html
模 式 识 别 非 学 位 课 考 试 试 题 考试科目： 模式识别 考试时间 考生姓名： 考生学号 任课教师 考试成绩 一、简答题（每题6分，12题共72分）： 1、 监督学习和非监督学习有什么区别？ 参考答案：当训练样本的类别信息已知时进行的分类器训练称为监督学习，或者由教师示范的学习；否则称为非监督学习或者无教师监督的学习。 2、 你如何理解特征空间？表示样本有哪些常见方法？ 参考答案：由利用某些特征描述的所有样本组成的集合称为特征空间或者样本空间，特征空间的维数是描述样本的特征数量。描述样本的常见方法：矢量、矩阵、列表等。 3、 什么是分类器？有哪些常见的分类器？ 参考答案：将特征空中的样本以某种方式区分开来的算法、结构等。例如：贝叶斯分类器、神经网络等。 4、 进行模式识别在选择特征时应该注意哪些问题？ 参考答案：特征要能反映样本的本质；特征不能太少，也不能太多；要注意量纲。 5、 聚类分析中，有哪些常见的表示样本相似性的方法？ 参考答案：距离测度、相似测度和匹配测度。距离测度例如欧氏距离、绝对值距离、明氏距离、马氏距离等。相似测度有角度相似系数、相关系数、指数相似系数等。 6、 你怎么理解聚类准则？ 参考答案：包括类内聚类准则、类间距离准则、类内类间距离准则、模式与类核的距离的准则函数等。准则函数就是衡量聚类效果的一种准则，当这种准则满足一定要求时，就可以说聚类达到了预期目的。不同的准则函数会有不同的聚类结果。 7、 一种类的定义是：集合S 中的元素x i 和x j 间的距离d ij 满足下面公式： ∑∑∈∈≤-S x S x ij i j h d k k )1(1 ，d ij ≤ r ，其中k 是S 中元素的个数，称S 对于阈值h ，r 组成一类。请说明， 该定义适合于解决哪一种样本分布的聚类？ 参考答案：即类内所有个体之间的平均距离小于h ，单个距离最大不超过r ，显然该定义适合团簇集中分布的样本类别。 8、 贝叶斯决策理论中，参数估计和非参数估计有什么区别？ 参考答案：参数估计就是已知样本分布的概型，通过训练样本确定概型中的一些参数；非参数估计就是未知样本分布概型，利用Parzen 窗等方法确定样本的概率密度分布规律。 9、 基于风险的统计贝叶斯决策理论中，计算代价[λij ]矩阵的理论依据是什么？假设这个矩阵是 M ?N ，M 和N 取决于哪些因素？
第一章 绪论 1.什么是模式？具体事物所具有的信息。 模式所指的不是事物本身，而是我们从事物中获得的___信息__。 2.模式识别的定义？让计算机来判断事物。 3.模式识别系统主要由哪些部分组成？数据获取—预处理—特征提取与选择—分类器设计/ 分类决策。 第二章 贝叶斯决策理论 1.最小错误率贝叶斯决策过程？ 答：已知先验概率，类条件概率。利用贝叶斯公式 得到后验概率。根据后验概率大小进行决策分析。 2.最小错误率贝叶斯分类器设计过程？ 答：根据训练数据求出先验概率 类条件概率分布 利用贝叶斯公式得到后验概率 如果输入待测样本X ，计算X 的后验概率根据后验概率大小进行分类决策分析。 3.最小错误率贝叶斯决策规则有哪几种常用的表示形式？ 答 ： ???∈>=<2 1 1221_,)(/)(_)|() |()(w w x w p w p w x p w x p x l 则如果∑==2 1 ) ()|() ()|()|(j j j i i i w P w x P w P w x P x w P 2 ,1),(=i w P i 2 ,1),|(=i w x p i ∑== 21 ) ()|() ()|()|(j j j i i i w P w x P w P w x P x w P
4.贝叶斯决策为什么称为最小错误率贝叶斯决策？ 答：最小错误率Bayes 决策使得每个观测值下的条件错误率最小因而保证了（平均）错误率 最小。Bayes 决策是最优决策：即，能使决策错误率最小。 5.贝叶斯决策是由先验概率和（类条件概率）概率，推导（后验概率）概率，然后利用这个概率进行决策。 6.利用乘法法则和全概率公式证明贝叶斯公式 答： ∑====m j Aj p Aj B p B p A p A B p B p B A p AB p 1 ) ()|()() ()|()()|()(所以推出贝叶斯公式 7.朴素贝叶斯方法的条件独立假设是（P(x| ωi) =P(x1, x2, …, xn | ωi) = P(x1| ωi) P(x2| ωi)… P(xn| ωi)） 8.怎样利用朴素贝叶斯方法获得各个属性的类条件概率分布？ 答：假设各属性独立，P(x| ωi) =P(x1, x2, …, xn | ωi) = P(x1| ωi) P(x2| ωi)… P(xn| ωi) 后验概率：P(ωi|x) = P(ωi) P(x1| ωi) P(x2| ωi)… P(xn| ωi) 类别清晰的直接分类算，如果是数据连续的，假设属性服从正态分布，算出每个类的均值方差，最后得到类条件概率分布。 ∑== = M j j j i i i i i A P A B P A P A B P B P A P A B P B A P 1 ) ()| () ()|() () ()|()|(
数字图像处理 第一章 1、1解释术语 (2) 数字图像:为了便于用计算机对图像进行处理,通过将二维连续(模拟)图像在空间上离散化,也即采样,并同时将二维连续图像的幅值等间隔的划分成多个等级(层次)也即均匀量化,以此来用二维数字阵列并表示其中各个像素的空间位置与每个像素的灰度级数的图像形式称为数字图像。 (3)图像处理:就是指对图像信息进行加工以满足人的视觉或应用需求的行为。 1、7 包括图像变化、图像增强、图像恢复、图像压缩编码、图像的特征提取、形态学图像处理方法等。彩色图像、多光谱图像与高光谱图像的处理技术沿用了前述的基本图像处理技术,也发展除了一些特有的图像处理技术与方法。 1、8基本思路就是,或简单地突出图像中感兴趣的特征,或想方法显现图像中那些模糊了的细节,以使图像更清晰地被显示或更适合于人或及其的处理与分析。 1、9基本思路就是,从图像退化的数学或概率模型出发,研究改进图像的外观,从而使恢复以后的图像尽可能地反映原始图像的本来面目,从而获得与景物真实面貌相像的图像。 1、10基本思路就是,,在不损失图像质量或少损失图像质量的前提下,尽可能的减少图像的存储量,以满足图像存储与实时传输的应用需求。 1、11基本思路就是,通过数学方法与图像变换算法对图像的某种变换,以便简化图像进一步处理过程,或在进一步的图像处理中获得更好的处理效果。 1、12基本目的就是,找出便于区分与描述一幅图像中背景与目标的方法,以方便图像中感兴趣的目标的提取与描述。 第二章 2、1解释下列术语 (18)空间分辨率:定义为单位距离内可分辨的最少黑白线对的数目,用于表示图像中可分辨的最小细节,主要取决于采样间隔值的大小。 (19)灰度分辨率:就是指在灰度级别中可分辨的最小变化,通常把灰度级数L称为图像的灰度级分辨率。 (20)像素的4邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的4个像素称为该像素的4邻域像素,她们的坐标分别为(x-1,y)(x,y-1)(x,y+1)(x+1,y)。 (21)像素的8邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的8个像素称为该像素的8邻域像素,她们的坐标分别为(x-1,y-1)(x-1,y)(x-1,y+1)(x,y-1)(x,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)。 (28)欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D e(p,q)=[(x-u)2+(y-v)2]1/2 (29)街区距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的街区距离定义为:D4(p,q)=|x-u|+|y-v|。 (30)棋盘距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D8(p,q)=max(|x-u|,|y-v|)。 (33)调色板:就是指在16色或者256色显示系统中,将图像中出现最频繁的16种或者256种颜色组成的一个颜色表,并将她们分别编号为0~15或0~255,这样就使每一个4位或者8位的颜色编号或者颜色表中的24位颜色值相对应。这种4位或者8位的颜色编号称为颜色的索引号,由颜色索引号及对应的24位颜色值组成的表称为颜色查找表,即调色板。 2、7对图像进行描述的数据信息一般应至少包括: (1)图像的大小,也即图像的宽与高 (2)表示每个像素需要的位数,当其值为1时说明就是黑白图像,当其值为4时说明就是16色或16灰度级图像,当其值为8时说明就是256色或256灰度级图像,当其值为24就是说明就是真彩色图像。 同时,根据每个像素的位数与调色板的信息,可进一步指出就是16色彩色图像还就是16灰度级图像;就是256色彩色图像还就是256灰度级图像。 (3)图像的调色板信息。 (4)图像的位图数据信息。 对图像信息的描述一般用某种格式的图像文件描述,比如BMP等。在用图像文件描述图像信息时,相应的要
模式识别与机器学习期末考查 思考题 1：简述模式识别与机器学习研究的共同问题和各自的研究侧重点。 机器学习是研究让机器（计算机）从经验和数据获得知识或提高自身能力的科学。 机器学习和模式识别是分别从计算机科学和工程的角度发展起来的。然而近年来，由于它们关心的很多共同问题（分类、聚类、特征选择、信息融合等），这两个领域的界限越来越模糊。机器学习和模式识别的理论和方法可用来解决很多机器感知和信息处理的问题，其中包括图像/视频分析、（文本、语音、印刷、手写）文档分析、信息检索和网络搜索等。近年来，机器学习和模式识别的研究吸引了越来越多的研究者，理论和方法的进步促进了工程应用中识别性能的明显提高。 机器学习：要使计算机具有知识一般有两种方法；一种是由知识工程师将有关的知识归纳、整理，并且表示为计算机可以接受、处理的方式输入计算机。另一种是使计算机本身有获得知识的能力，它可以学习人类已有的知识，并且在实践过程中不总结、完善，这种方式称为机器学习。机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；和机器学习的方法；以及建立针对具体任务的学习系统。机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。依赖于这些学科而共同发展。目前已经取得很大的进展，但还没有能完全解决问题。 模式识别：模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。如识别物体、地形、图像、字体（如签字）等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。特别神经网络方法在模式识别中取得较大进展。理解自然语言计算机如能“听懂”人的语言（如汉语、英语等），便可以直接用口语操作计算机，这将给人们带来极大的便利。计算机理解自然语言的研究有以下三个目标：一是计算机能正确理解人类的自然语言输入的信息，并能正确答复（或响应）输入的信息。二是计算机对输入的信息能产生相应的摘要，而且复述输入的内容。三是计算机能把输入的自然语言翻译成要求的另一种语言，如将汉语译成英语或将英语译成汉语等。目前，研究计算机进行文字或语言的自动翻译，人们作了大量的尝试，还没有找到最佳的方法，有待于更进一步深入探索。 机器学习今后主要的研究方向如下： 1)人类学习机制的研究；
模式识别与机器学习期末考查 试卷 研究生姓名：入学年份：导师姓名：试题1：简述模式识别与机器学习研究的共同问题和各自的研究侧重点。 答：（1）模式识别是研究用计算机来实现人类的模式识别能力的一门学科，是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。主要集中在两方面，一是研究生物体（包括人）是如何感知客观事物的，二是在给定的任务下，如何用计算机实现识别的理论和方法。机器学习则是一门研究怎样用计算机来模拟或实现人类学习活动的学科，是研究如何使机器通过识别和利用现有知识来获取新知识和新技能。主要体现以下三方面：一是人类学习过程的认知模型；二是通用学习算法；三是构造面向任务的专用学习系统的方法。两者关心的很多共同问题，如：分类、聚类、特征选择、信息融合等，这两个领域的界限越来越模糊。机器学习和模式识别的理论和方法可用来解决很多机器感知和信息处理的问题，其中包括图像/ 视频分析（文本、语音、印刷、手写）文档分析、信息检索和网络搜索等。 （2）机器学习和模式识别是分别从计算机科学和工程的角度发展起来的，各自的研究侧重点也不同。模式识别的目标就是分类，为了提高分类器的性能，可能会用到机器学习算法。而机器学习的目标是通过学习提高系统性能，分类只是其最简单的要求，其研究更
侧重于理论，包括泛化效果、收敛性等。模式识别技术相对比较成熟了，而机器学习中一些方法还没有理论基础，只是实验效果比较好。许多算法他们都在研究，但是研究的目标却不同。如在模式识别中研究所关心的就是其对人类效果的提高，偏工程。而在机器学习中则更侧重于其性能上的理论证明。试题2：列出在模式识别与机器学习中的常用算法及其优缺点。答：（1）K 近邻法算法作为一种非参数的分类算法，它已经广泛应用于分类、 回归和模式识别等。在应用算法解决问题的时候，要注意的两个方面是样本权重和特征权重。 优缺点：非常有效，实现简单，分类效果好。样本小时误差难控制，存储所有样本，需要较大存储空间，对于大样本的计算量大。（2）贝叶斯决策法 贝叶斯决策法是以期望值为标准的分析法，是决策者在处理 风险型问题时常常使用的方法。 优缺点：由于在生活当中许多自然现象和生产问题都是难以完全准确预测的，因此决策者在采取相应的决策时总会带有一定的风险。贝叶斯决策法就是将各因素发生某种变动引起结果变动的概率凭统计资料或凭经验主观地假设，然后进一步对期望值进行分析，由于此概率并不能证实其客观性，故往往是主观的和人为的概率，本身带有一定的风险性和不肯定性。虽然用期望的大小进行判断有一些风险，但仍可以认为贝叶斯决策是一种兼科学性和实效性于一身的比较完善的用于解决风险型决策问题的方法，在实际中能够广泛应
1 ．设有下列语句，请用相应的谓词公式把它们表示出来： （1）有的人喜欢梅花，有的人喜欢菊花，有的人既喜欢梅花又喜欢菊花。答：定义谓词： MAN（X）：X是人， LIKE（X，Y）：X喜欢Y ((?X)(MAN(X)∧LIKE(X, 梅花)) ∧ ((?Y)(MAN(Y)∧LIKE(Y,菊花))∧ ((?Z)(MAN(Z)∧(LIKE(Z,梅花) ∧LIKE(Z,菊花)) （2）他每天下午都去打篮球。 答：定义谓词：TIME(X):X是下午 PLAY(X,Y):X去打Y （?X）TIME(X) PLAY(他,篮球) （3）并不是每一个人都喜欢吃臭豆腐。 定义谓词：MAN（X）：X是人 LIKE（X，Y）：X喜欢吃Y ┐（（?X）MAN（X） LIKE（X，CHOUDOUFU）） 2 ．请对下列命题分别写出它的语义网络： （1）钱老师从 6 月至 8 月给会计班讲《市场经济学》课程。 （2）张三是大发电脑公司的经理，他 35 岁，住在飞天胡同 68 号。
（3）甲队与乙队进行蓝球比赛，最后以 89 ： 102 的比分结束。 3. 框架表示法 一般来讲，教师的工作态度是认真的，但行为举止有些随便，自动化系教师一般来讲性格内向，喜欢操作计算机。方园是自动化系教师，他性格内向，但工作不刻苦。试用框架写出上述知识，并求出方圆的兴趣和举止？ 答： 框架名：<教师> 继承：<职业> 态度：认真 举止：随便 框架名：<自动化系教师> 继承：<教师> 性格：内向 兴趣：操作计算机框架名：<方园> 继承：<自动化系教师> 性格：内向 态度：不刻苦 兴趣：操作计算机 举止：随便 4. 剧本表示法 作为一个电影观众，请你编写一个去电影院看电影的剧本。
数字图像处理第三版中文答案--冈萨雷斯
第二章 2.1（第二版是0.2和1.5*1.5的矩形，第三版是0.3和1.5圆形） 对应点的视网膜图像的直径x 可通过如下图题2.1所示的相似三角形几何关系得到，即 ()()017 02302.x .d = 解得x=0.06d 。根据2.1 节内容，我们知道：如果把中央凹处想象为一个有337000 个成像单元的圆形传感器阵列，它转换成一个大小25327.?π成像单元的阵列。假设成像单元之间的间距相等，这表明在总长为1.5 mm （直径） 的一条线上有655个成像单元和654个成像单元间隔。则每个成像单元和成像单元间隔的大小为s=[(1.5 mm)/1309]=1.1×10-6 m 。 如果在中央凹处的成像点的大小是小于一个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。换句话说， 眼睛不能检测到以下直径的点： m .d .x 61011060-?<=，即m .d 6 10318-?<
2.2 当我们在白天进入一家黑暗剧场时，在能看清并找到空座时要用一段时间适应。2.1节描述的视觉过程在这种情况下起什么作用？ 亮度适应。 2.3 虽然图2.10中未显示，但交流电的却是电磁波谱的一部分。美国的商用交流电频率是77HZ 。问这一波谱分量的波长是多少？ 光速c=300000km/s ，频率为77Hz 。 因此λ=c/v=2.998 * 108(m/s)/77(1/s) = 3.894*106m = 3894 Km. 2.5 根据图2.3得：设摄像机能看到物体的长度为x (mm)，则有:500/x=35/14; 解得：x=200，所以相机的分辨率为：2048/200=10;所以能解析的线对为：10/2=5线对/mm. 2.7 假设中心在（x0,y0）的平坦区域被一个强度分布为： ])0()0[(22),(y y x x Ke y x i -+--= 的光源照射。为简单起见，假设区域的反射是恒定的，并等于1.0，令K=255。如果图像用k 比特的强度分辨率进行数
1.简述模式的概念及其直观特性，模式识别的分类，有哪几种方法。（6’） 答（1）：什么是模式？广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。 模式所指的不是事物本身，而是从事物获得的信息，因此，模式往往表现为具有时间和空间分布的信息。 模式的直观特性：可观察性；可区分性；相似性。 答（2）：模式识别的分类： 假说的两种获得方法（模式识别进行学习的两种方法）： ●监督学习、概念驱动或归纳假说； ●非监督学习、数据驱动或演绎假说。 模式分类的主要方法： ●数据聚类：用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据 集。是一种非监督学习的方法，解决方案是数据驱动的。 ●统计分类：基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法。 特征向量分布的获得是基于一个类别已知的训练样本集。是一种监督分类的方法， 分类器是概念驱动的。 ●结构模式识别：该方法通过考虑识别对象的各部分之间的联系来达到识别分类的目 的。（句法模式识别） ●神经网络：由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以 在不同的神经元之间传递增强或抑制信号。增强或抑制是通过调整神经元相互间联 系的权重系数来（weight）实现。神经网络可以实现监督和非监督学习条件下的分 类。 2.什么是神经网络？有什么主要特点？选择神经网络模式应该考虑什么因素？ （8’） 答（1）：所谓人工神经网络就是基于模仿生物大脑的结构和功能而构成的一种信息处 理系统（计算机）。由于我们建立的信息处理系统实际上是模仿生理神经网络，因此称它为人工神经网络。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的。 人工神经网络的两种操作过程：训练学习、正常操作（回忆操作）。 答（2）：人工神经网络的特点： ●固有的并行结构和并行处理； ●知识的分布存储； ●有较强的容错性； ●有一定的自适应性； 人工神经网络的局限性： ●人工神经网络不适于高精度的计算； ●人工神经网络不适于做类似顺序计数的工作； ●人工神经网络的学习和训练往往是一个艰难的过程； ●人工神经网络必须克服时间域顺序处理方面的困难； ●硬件限制； ●正确的训练数据的收集。 答（3）：选取人工神经网络模型，要基于应用的要求和人工神经网络模型的能力间的 匹配，主要考虑因素包括：
《数字图像处理》习题参考答案
《数字图像处理》习题参考答案 第1章概述 1.1 连续图像和数字图像如何相互转换？答： 数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像 （连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 1.2 采用数字图像处理有何优 点？答：数字图像处理与光学等 模拟方式相比具有以下鲜明的特 点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 1.3 数字图像处理主要包括哪些研究内容？ 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 1.4 讨论数字图像处理系统的组成。列举你熟悉 的图像处理系统并分析它们的组成和功能。答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的 信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。
; 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图 像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 # 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 3. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等， * 这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进 行分析。比如傅里叶变换、小波变换等。 4.一个数字图像处理系统由哪几个模块组成 答：一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成
5.连续图像和数字图像如何相互转换 答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 6.采用数字图像处理有何优点 【 答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 7.数字图像处理主要包括哪些研究内容 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 第二章@ 第三章数字图像表示及其处理 什么是量化噪声，它是什么引起的 语言信号采样量化过程中导致的噪声。如：A/D转换（模拟到数字）。在语言编码通信中，解调后信号和原传递信号的差异是因幅度和时间的量化而产生的，这种失真称为量化失真。因为这种失真和杂乱的干扰一样，听起来和元件产生的热噪声相似，所以叫做量化噪声。 1.当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段时间，试述发生这种现象的视觉原理。 答：人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应级来完成亮度适应的。即所谓的亮度适应范围。同整个亮度适应范围相比，能同时鉴别的光强度级的总范围很小。因此，白天进入黑暗剧场时，人的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适
一、选择题 1B 、2C 、3A 、4D 、5C 、 6A 、7D 、8A 、9D 、10A 二、判断题( 正确的打√,错误的打×。 1、√ 2、√ 3、× 4、× 5、√ 6、√ 7、× 8、× 9、× 10、√ 三、 (1策略可以分为两种。一种是将一幅彩色图像看作三幅分量图像的组合体,在处理过程中先对每幅图像单独处理,再将处理结果合成为彩色图像。另一种是将一幅彩色图像中的每个象素看作具有三个属性值,即属性现在为一个矢量,需利用对矢量的表达方法进行处理。 (2一副真彩色图像既可以分解为R 、G 、B 三个分量也可以分解为H 、S 、I 三个分量图。人眼对H 、S 、I 三个分量图的感受是比较独立的。一种简便常用的真彩色增强方法步骤为:
①将RGB 分量图转化为HIS 分量图;②利用对灰度图增强的方法增强其中的一个分量图;③再将结果转换为用RGB 分量图来显示。 亮度增强,改变I 分量图,它不改变原图的彩色内容。饱和度增强,改变S 分量图,通过对S 分量图中每个象素乘以一个大于1的常数可使图像的彩色更鲜明,而如果乘以一个小于1的常数则会使图像的彩色感减少。色调增强,改变H 分量图,若对该图的每个象素加一个常数,将会使每个目标的颜色在色谱上移动。 四、 (1 算术编码为0.23355 图略 (2 发送时,要发送A 、B 、C 、D 、E 、F 的概率,并送0.23355。 (3 算术解码如下 图略 五、 (1图像混合 设图象,(y x f 为载体图像,,(y x s 为隐藏图像。对于实数a ,称 ,(1(,(,(y x s a y x af y x b -+= 为图像,(y x f 和,(y x s 的a 混合。 (2单幅迭代 对图像,(y x f 和,(y x s 进行1α混合得,(1(,(,(111y x s a y x f a y x b -+= ,对图像,(y x f 和,(1y x b 进行2α混合得,(1(,(,(1222y x b a y x f a y x b -+=,依次进行N 次混合得到,(1(,(,(1y x b a y x f a y x b N N N N --+=。可以证明,
《模式识别》试题库 一、基本概念题 1模式识别的三大核心问题是：（ ）、（ ）、（ ）。 2、模式分布为团状时，选用（ ）聚类算法较好。 3 欧式距离具有（ ）。马式距离具有（ ）。（1）平移不变性（2）旋转不 变性（3）尺度缩放不变性（4）不受量纲影响的特性 4 描述模式相似的测度有( )。（1）距离测度 （2）模糊测度 （3）相似测度 （4） 匹配测度 5 利用两类方法处理多类问题的技术途径有：（1） （2） （3） 。其中最常用的是第( )个技术途径。 6 判别函数的正负和数值大小在分类中的意义是：( )。 7 感知器算法 ( )。（1）只适用于线性可分的情况；（2）线性可分、不可分都适用。 8 积累位势函数法的判别界面一般为( )。（1）线性界面；（2）非线性界面。 9 基于距离的类别可分性判据有：( ).（1）1[]w B Tr S S - （2） B W S S （3） B W B S S S + 10 作为统计判别问题的模式分类，在（ ）情况下，可使用聂曼-皮尔逊判决准则。 11 确定性模式非线形分类的势函数法中，位势函数K(x,xk)与积累位势函数K(x)的关系为 （ ）。 12 用作确定性模式非线形分类的势函数法，通常，两个n 维向量x 和xk 的函数K(x,xk)若 同时满足下列三个条件，都可作为势函数。①（ ）； ②（ ）；③ K(x,xk)是光滑函数，且是x 和xk 之间距离的单调下降函数。 13 散度Jij 越大，说明i 类模式与j 类模式的分布（ ）。当i 类 模式与j 类模式的分布相同时，Jij=（ ）。 14 若用Parzen 窗法估计模式的类概率密度函数，窗口尺寸h1过小可能产生的问题是 （ ），h1过大可能产生的问题是（ ）。 15 信息熵可以作为一种可分性判据的原因是：( )。 16作为统计判别问题的模式分类，在（ ）条件下，最小损失判决规则与最 小错误判决规则是等价的。 17 随机变量l(x )=p(x 1)/p(x 2)，l(x )又称似然比，则E l( x )2= （ ）。在最小误判概率准则下，对数似然比Bayes 判决规则为 （ ）。 18 影响类概率密度估计质量的最重要因素（ ）。 19 基于熵的可分性判据定义为)]|(log )|([1x P x P E J i c i i x H ωω∑=-=，JH 越（ ），说 明模式的可分性越强。当P(i| x ) =（ ）(i=1,2,…,c)时，JH 取极大值。 20 Kn 近邻元法较之于Parzen 窗法的优势在于（ ）。上 述两种算法的共同弱点主要是（ ）。 21 已知有限状态自动机Af=(，Q ，，q0，F)，={0，1}；Q={q0，q1}；：(q0， 0)= q1，(q0，1)= q1，(q1，0)=q0，(q1，1)=q0；q0=q0；F={q0}。 现有输入字符串：(a) 000，(b) 11，(c) ，(d)0010011，试问，用Af 对上述字符串进行分
一、填空与选择填空（本题答案写在此试卷上，30分） 1、模式识别系统的基本构成单元包括：模式采集、特征提取与选择 和模式分类。 2、统计模式识别中描述模式的方法一般使用特真矢量；句法模式识别中模式描述方法一般有串、树、网。 3、聚类分析算法属于（1）；判别域代数界面方程法属于（3）。 （1）无监督分类 (2)有监督分类（3）统计模式识别方法（4）句法模式识别方法 4、若描述模式的特征量为0-1二值特征量，则一般采用（4）进行相似性度量。 （1）距离测度（2）模糊测度（3）相似测度（4）匹配测度 5、下列函数可以作为聚类分析中的准则函数的有（1）（3）（4）。 （1）（2） (3) (4) 6、Fisher线性判别函数的求解过程是将N维特征矢量投影在（2）中进行。 （1）二维空间（2）一维空间（3）N-1维空间 7、下列判别域界面方程法中只适用于线性可分情况的算法有（1）；线性可分、不可分都适用的有（3）。 （1）感知器算法（2）H-K算法（3）积累位势函数法 8、下列四元组中满足文法定义的有（1）（2）（4）。 （1）({A, B}, {0, 1}, {A→01, A→ 0A1 , A→ 1A0 , B→BA , B→ 0}, A) （2）({A}, {0, 1}, {A→0, A→ 0A}, A) （3）({S}, {a, b}, {S → 00S, S → 11S, S → 00, S → 11}, S) （4）({A}, {0, 1}, {A→01, A→ 0A1, A→ 1A0}, A) 9、影响层次聚类算法结果的主要因素有（计算模式距离的测度、（聚类准则、类间距离门限、预定的 类别数目））。 10、欧式距离具有（ 1、2 ）；马式距离具有（1、2、3、4 ）。 （1）平移不变性（2）旋转不变性（3）尺度缩放不变性（4）不受量纲影响的特性 11、线性判别函数的正负和数值大小的几何意义是（正（负）表示样本点位于判别界面法向量指向的 正（负）半空间中；绝对值正比于样本点到判别界面的距离。）。 12、感知器算法1。 （1）只适用于线性可分的情况；（2）线性可分、不可分都适用。
1. 图像处理的主要方法分几大类 答：图字图像处理方法分为大两类：空间域处理（空域法）和变换域处理（频域法）。 空域法：直接对获取的数字图像进行处理。 频域法：对先对获取的数字图像进行正交变换，得到变换系数阵列，然后再进行处理，最后再逆变换到空 间域，得到图像的处理结果 2. 图像处理的主要内容是什么 答：图形数字化（图像获取）：把连续图像用一组数字表示，便于用计算机分析处理。图像变换：对图像进 行正交变换，以便进行处理。图像增强：对图像的某些特征进行强调或锐化而不增加图像的相关数据。图 像复原：去除图像中的噪声干扰和模糊，恢复图像的客观面目。图像编码：在满足一定的图形质量要求下 对图像进行编码，可以压缩表示图像的数据。图像分析：对图像中感兴趣的目标进行检测和测量，从而获 得所需的客观信息。图像识别：找到图像的特征，以便进一步处理。图像理解：在图像分析的基础上得出 对图像内容含义的理解及解释，从而指导和规划行为。 3. 名词解释：灰度、像素、图像分辨率、图像深度、图像数据量。 答：像素：在卫星图像上，由卫星传感器记录下的最小的分立要素(有空间分量和谱分量两种)。通常，表 示图像的二维数组是连续的，将连续参数 x,y ，和 f 取离散值后，图像被分割成很多小的网格，每个网格 即为像素 图像分辨率：指对原始图像的采样分辨率，即图像水平或垂直方向单位长度上所包含的采样点 数。单位是“像素点/单位长度” 图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率.图像深度确定彩色图像的每个像素 可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色 数,或灰度图像中的最大灰度等级（图像深度：位图图像中，各像素点的亮度或色彩信息用二进制数位来表 示，这一数据位的位数即为像素深度，也叫图像深度。图像深度越深，能够表现的颜色数量越多，图像的 色彩也越丰富。） 图像数据量：图像数据量是一幅图像的总像素点数目与每个像素点所需字节数的乘积。 4. , 5. 什么是采样与量化 答：扫描：按照一定的先后顺序对图像进行遍历的过程。采样：将空间上连续的图像变成离散点的操作。 采样过程即可看作将图像平面划分成网格的过程。量化：将采样得到的灰度值转换为离散的整数值。灰度 级：一幅图像中不同灰度值的个数。一般取0~255，即256个灰度级 5.说明图像函数 的各个参数的具体含义。 答：其中，x 、y 、z 是空间坐标，λ是波长，t 是时间，I 是像素点的强度。它表示活动的、彩色的、三维 的视频图像。对于静止图像，则与时间t 无关；对于单色图像，则波长λ为常数；对于平面图像，则与坐 标z 无关。 1.请解释马赫带效应，马赫带效应和同时对比度反映了什么共同的问题 答：马赫带效应：基于视觉系统有趋向于过高或过低估计不同亮度区域边界值的现象。同时对比度现象： 此现象表明人眼对某个区域感觉到的亮度不仅仅依赖它的强度，而与环境亮度有关 共同点： 它们都反映了人类视觉感知的主观亮度并不是物体表面照度的简单函数。 2. 色彩具有那几个基本属性描述这些基本属性的含义。 答：色彩是光的物理属性和人眼的视觉属性的综合反映。色彩具有三个基本属性：色调、饱和度和亮度 色调是与混合光谱中主要光波长相联系的（红绿蓝）饱和度表示颜色的深浅程度，与一定色调的纯度有关， 纯光谱色是完全饱和的，随着白光的加入饱和度逐渐减少。（如深红、浅红等）亮度与物体的反射率成正比。 颜色中掺入白色越多就越明亮，掺入黑色越多亮度越小。 { 3.什么是视觉的空间频率特性什么是视觉的时间特性 答：视觉的空间频率特性：空间频率是指视像空间变化的快慢。明亮的图像（清晰明快的画面）意味着有 ),,,,(t z y x f I λ=
第一章 绪论 1.什么是模式？具体事物所具有的信息。 模式所指的不是事物本身，而是我们从事物中获得的___信息__。 2.模式识别的定义？让计算机来判断事物。 3.模式识别系统主要由哪些部分组成？数据获取—预处理—特征提取与选择—分类器设计/ 分类决策。 第二章 贝叶斯决策理论 1.最小错误率贝叶斯决策过程？ 答：已知先验概率，类条件概率。利用贝叶斯公式 得到后验概率。根据后验概率大小进行决策分析。 2.最小错误率贝叶斯分类器设计过程？ 答：根据训练数据求出先验概率 类条件概率分布 利用贝叶斯公式得到后验概率 如果输入待测样本X ，计算X 的后验概率根据后验概率大小进行分类决策分析。 3.最小错误率贝叶斯决策规则有哪几种常用的表示形式？ 答： 4.贝叶斯决策为什么称为最小错误率贝叶斯决策？ 答：最小错误率Bayes 决策使得每个观测值下的条件错误率最小因而保证了（平均）错误率 最小。Bayes 决策是最优决策：即，能使决策错误率最小。 5.贝叶斯决策是由先验概率和（类条件概率）概率，推导（后验概率）概率，然后利用这个概率进行决策。 6.利用乘法法则和全概率公式证明贝叶斯公式 答： ∑====m j Aj p Aj B p B p A p A B p B p B A p AB p 1 ) ()|()() ()|()()|()(所以推出贝叶斯公式 7.朴素贝叶斯方法的条件独立假设是（P(x| ωi) =P(x1, x2, …, xn | ωi) ???∈>=<2 1 1221_,)(/)(_)|() |()(w w x w p w p w x p w x p x l 则如果∑==2 1 )()|() ()|()|(j j j i i i w P w x P w P w x P x w P 2,1),(=i w P i 2 ,1),|(=i w x p i ∑==21 )()|() ()|()|(j j j i i i w P w x P w P w x P x w P ∑== = M j j j i i i i i A P A B P A P A B P B P A P A B P B A P 1 ) ()| () ()|() () ()|()|(
第一章 绪论 1.什么是模式具体事物所具有的信息。 模式所指的不是事物本身，而是我们从事物中获得的___信息__。 2.模式识别的定义让计算机来判断事物。 3.模式识别系统主要由哪些部分组成数据获取—预处理—特征提取与选择—分类器设计/ 分类决策。 第二章 贝叶斯决策理论 ~ 1.最小错误率贝叶斯决策过程 答：已知先验概率，类条件概率。利用贝叶斯公式 得到后验概率。根据后验概率大小进行决策分析。 2.最小错误率贝叶斯分类器设计过程 答：根据训练数据求出先验概率 类条件概率分布 利用贝叶斯公式得到后验概率 、 如果输入待测样本X ，计算X 的后验概率根据后验概率大小进行分类决策分析。 3.最小错误率贝叶斯决策规则有哪几种常用的表示形式 答： 4.贝叶斯决策为什么称为最小错误率贝叶斯决策 答：最小错误率Bayes 决策使得每个观测值下的条件错误率最小因而保证了（平均）错误率 最小。Bayes 决策是最优决策：即，能使决策错误率最小。 5.贝叶斯决策是由先验概率和（类条件概率）概率，推导（后验概率）概率，然后利用这个概率进行决策。 6.利用乘法法则和全概率公式证明贝叶斯公式 答： ∑====m j Aj p Aj B p B p A p A B p B p B A p AB p 1 ) ()|()() ()|()()|()(所以推出贝叶斯公式 ???∈>=<211 221_,)(/)(_)|()|()(w w x w p w p w x p w x p x l 则如果∑== 2 1 )()|() ()|()|(j j j i i i w P w x P w P w x P x w P 2,1),(=i w P i 2,1),|(=i w x p i ∑==2 1 )()|() ()|()|(j j j i i i w P w x P w P w x P x w P ∑=== M j j j i i i i i A P A B P A P A B P B P A P A B P B A P 1 ) ()| () ()|()() ()|()|(
1、PCA和LDA的区别？ PCA是一种无监督的映射方法，LDA是一种有监督的映射方法。PCA只是将整组数据映射到最方便表示这组数据的坐标轴上，映射时没有利用任何数据部的分类信息。因此，虽然做了PCA后，整组数据在表示上更加方便（降低了维数并将信息损失降到了最低），但在分类上也许会变得更加困难；LDA在增加了分类信息之后，将输入映射到了另外一个坐标轴上，有了这样一个映射，数据之间就变得更易区分了（在低纬上就可以区分，减少了很大的运算量），它的目标是使得类别的点距离越近越好，类别间的点越远越好。 2、最大似然估计和贝叶斯方法的区别？p(x|X)是概率密度函数，X是给定的训练样本的集合，在哪种情况下，贝叶斯估计接近最大似然估计？ 最大似然估计把待估的参数看做是确定性的量，只是其取值未知。利用已知的样本结果，反推最有可能（最大概率）导致这样结果的参数值(模型已知，参数未知）。贝叶斯估计则是把待估计的参数看成是符合某种先验概率分布的随机变量。对样本进行观测的过程，把先验概率密度转化为后验概率密度，利用样本的信息修正了对参数的初始估计值。 当训练样本数量趋于无穷的时候，贝叶斯方法将接近最大似然估计。如果有非常多的训练样本，使得p(x|X)形成一个非常显著的尖峰，而先验概率p(x)又是均匀分布，此时两者的本质是相同的。 3、为什么模拟退火能够逃脱局部极小值？ 在解空间随机搜索，遇到较优解就接受，遇到较差解就按一定的概率决定是否接受，这个概率随时间的变化而降低。实际上模拟退火算法也是贪心算法，只不过它在这个基础上增加了随机因素。这个随机因素就是：以一定的概率来接受一个比单前解要差的解。通过这个随机因素使得算法有可能跳出这个局部最优解。 4、最小错误率和最小贝叶斯风险之间的关系？ 基于最小风险的贝叶斯决策就是基于最小错误率的贝叶斯决策，换言之，可以把基于最小错误率决策看做是基于最小风险决策的一个特例，基于最小风险决策本质上就是对基于最小错误率公式的加权处理。 5、SOM的主要功能是什么？怎么实现的？是winner-all-take-all 策略吗？ SOM是一种可以用于聚类的神经网络模型。 自组织映射（SOM）或自组织特征映射（SOFM）是一种使用非监督式学习来产生训练样本的输入空间的一个低维（通常是二维）离散化的表示的人工神经网络（ANN）。自组织映射与其他人工神经网络的不同之处在于它使用一个邻近函数来保持输入控件的拓扑性质。SOM网络中, 某个输出结点能对某一类模式作出特别的反应以代表该模式类, 输出层上相邻的结点能对实际模式分布中相近的模式类作出特别的反映,当某类数据模式输入时, 对某一输出结点产生最大刺激( 获胜结点) , 同时对获胜结点周围的一些结点产生较大刺激。在训练的过程中, 不断对获胜结点的连接权值作调整, 同时对获胜结点的邻域结点的连接权值作调整; 随着训练的进行, 这个邻域围不断缩小, 直到最后, 只对获胜结点进行细微的连接权值调整。 不是winner-all-take-all 策略。获胜结点产生刺激，其周围的结点也会产生一定程度的兴奋。 6、期望算法需要哪两步？请列出可能的公式并做必要的解释。 E-Step和M-Step。E-Step叫做期望化步骤，M-Step为最大化步骤。 整体算法的步骤如下所示： 1、初始化分布参数。 2、(E-Step)计算期望E，利用对隐藏变量的现有估计值，计算其最大似然估计值，以此实现期望化的过程。 3、(M-Step)最大化在E-步骤上的最大似然估计值来计算参数的值