2020年春季中国科大数字图像分析DIA考试试题回忆

2020年春季中国科大数字图像分析DIA考试试题回忆

一、二值形态学

与前几年一样,考膨胀腐蚀、开启闭合的操作,最后一个实用算法。
今年的题类似于下图:
在这里插入图片描述
由左图通过二值形态学变换至右图(开启+闭合+边界提取)

二、梯度算子

还是前几年的算子,大致一样的问题。
在这里插入图片描述
第一问,问(a)(b)是什么算子。(拉普拉斯算子以及中心差分算子)
第二问,问(c)(d)是怎么从(b)拓展的(原理)

三、边缘检测算子

CANNY 与 SUSAN算子
第一问,CANNY和SUSAN算子是如何检测边缘点的
第二问,SUSAN算子检测边缘的步骤。

四、Chamfer distance

第一问,给出如下类似左图的一张图,让你在图上的白格子上直接计算距离,即弄成右图的形式。
在这里插入图片描述
第二问,给出一个下面的模板(下左图),并告诉你模板中心在图中的什么位置(如下右图 五角星处),然后计算此时的chamfer distance。
在这里插入图片描述

五、Hough 变换

第一问,往常一样,考椭圆经过霍夫变换后的形状。即以( x 1 x_1 x1, y 1 y_1 y1)为一个焦点坐标的所有椭圆,经过霍夫变换后( x 2 x_2 x2, y 2 y_2 y2,C)(( x 2 x_2 x2, y 2 y_2 y2)是另一焦点坐标,C是焦距)的几何形状是什么?(此问版本答案为 圆台 )
第二问,一个圆盘,加上噪声,如何通过霍夫变换检测圆。图就是下面这个,步骤可按照底下标注来写(梯度取阈值后霍夫变换累加器,最后叠加显示)
在这里插入图片描述

六、直方图

第一问,为了增强图像表达能力,需要将图像进行划分,说两种图像划分方法的名称(三角形网络 六边形网络)
第二问,给一个patch,说明LBP直方图与梯度方向直方图的原理(如何构建直方图),并分别说明有哪些灰度不变性。

七、SIFT与几何校验

第一问,SIFT的四个不变性解释。(平移,尺度,旋转,亮度)
第二问,SIFT反色之后的变化(主方向变化与128-D描述子的变化)
第三问,基于空间编码的几何校验的过程原理步骤。

八、图像分割与水平集

第一问,图像分割的定义
第二问,水平集的基本思想
第三问,水平集的推导(只考了PPT上的部分)

九、光流方程

第一问,基于灰度不变假设,推导二维光流方程
第二问,光流方程在什么情况下不能确定(二义性的部分)

十、深度卷积神经网络

第一问,卷积在训练测试时的作用
第二问,最大池化在 L p L_p Lp范数中p取什么值,
你认为是否可以将最大池化层改成 p可学习的 L p L_p Lp范数?

数字图像分析 中科大 2019回忆版考题及复习重点(2019.05)

USTC中科大数字图像分析2019年考题回忆(2019.05)

1. 两张四面的试卷,共11题,且均为问答和计算类型的

2. 考题内容:

1、数字弦。给出两幅图像,分别判断图像中的数字弧是不是数字弦。
/// 在方格图中给你两条弦,让你判断是否是数字弦。(6分)

2、连通悖论。请举一个例子说明区域边界和区域内部都用4-连通或者8-连通带来的问题。
/// 举例说明内部和边界都是4连通,内部和边界都是8连通的连通悖论情况。

3、梯度算子。问下图(a)和图(b)是什么算子,图©和(d)在图(b)的基础上怎么扩展的,图(d)为什么比图©的效果好
/// 第一小题,问你(a)和(b)是什么算子。
第二小题,问你(b)扩展到(c)扩展原理是什么。(d)效果往往比(c)要好,解释下原因。
a是拉普拉斯算子,b是中心差分算子,c是prewitt算子,d是sobel算子。
在这里插入图片描述
4、Canny算子和SUSAN算子。两者怎么检测边缘点的,SUSAN算子的检测边缘的步骤。
/// 第一小题,问你Canny算子和SUSAN算子如何定义边缘点
第二小题,阐述SUSAN算子的基本步骤

5、链码与形状数。给定一副图像,方格里面是一个封闭的边界,也给了8向链码的基准方向,请写出它的链码和形状数,还问形状数消除了起点、旋转和尺度三者中的哪些影响,图像类似于:
在这里插入图片描述
/// 第一小题,给你一个图,让你写出它的链码,计算出形状
第二小题,形状数能消除起点选择、旋转变换、尺度变换这三种影响中的那几个因素。

6、二值形态。问经过怎样的二值化形态处理可以从图(a)变换到(b)
在这里插入图片描述
/// 重点是应用算法,这道题考的就是噪声消除和边界提取。

7、距离变换。给定一个二值图像,图像了里面是一个类似T的字母,请你在图像完成它的距离变换,第二问给定一个模板,在原图像上指定一点,求它的Chamfer distance,原图像类似于:
在这里插入图片描述
/// 给你一个模板,一个图。
第一小题,让你计算城区距离,只需要图
第二小题,用到模板,给你确定了模板的中心在图中的某个点,然后进行目标检测。其实就是算Chamfei Distance。

8、 Hough变换。第一问问一个椭圆经过Hough变换后点(x1, x2, C)的几何形状是什么样的,第二问问用Hough变换检测带噪声的圆环步骤。
/// 第一小题,经过一个焦点坐标(x1,y1)的所有椭圆,经过Hough变换后参数空间(x2,y2,C)构成的几何形状是什么。其中(x2,y2)是另一个焦点坐标。
第二小题,一个圆环的图像被噪声污染,问你基于图像梯度,如何利用Hough变换检测圆,并写出基本步骤。
在这里插入图片描述
9、SIFT描述子。
第一问:对视觉特征不变性的理解;第二问:SIFT特征不变性的原理,2017年的博客有解答,直接抄过来;第三问:问图像发生灰度变换(入反色)后,图像SIFT特征如何变化。
/// 第一小题,谈谈你对图像特征不变性的理解
第二小题,SIFT特征子如何实现特征不变性
第三小题,反色(f(x)=255-x)后的SIFT特征发生了什么变化。

10、水平集推导。推导就是PPT上的那部分,一模一样,没有变化。
/// 第一小题,问你水平集的基本思想
第二小题,变分法推导,就是PPT上的东西

11、光流方程。第一问推导,第二问光流不能估计平滑区域的原因。
/// 第一小题,光流方程的二维运动推导
第二小题,为啥在平滑图像区域光流方程的效果不好。

2017-2018学年上学期期末试题

  1. 连通悖论
  2. Marr算子,Canny算子
  3. 灰度共生矩阵 纹理
  4. 给模板和图像,求腐蚀、开启
  5. 给模板求距离变换、Chamfer Distance
  6. 链码及消除影响因素
  7. (1)SIFT不变性 (2)灰度变换(f(x)=255−x)后的描述子变化
  8. 光流方程推导,多义性
  9. 水平集流程、优势,演化方程推导,变分法

USTC-DIA-2019秋季考试

  1. 给出两幅图,让你分别判断是不是数字弦;

  2. 给出连通悖论的具体例子并解释;

  3. 给出算子让你判断是什么算子?(Robert,Prewitt,Sobel)
    说明Sobel算子为什么比Robert算子更好?

  4. 说明检测边缘算子Canny算子和SUSAN算子怎么定义的边缘;
    说明SUSAN算子检测边缘步骤;

  5. 给出一幅图,然后写出这个的链码及形状数;
    说出形状数能够对于起点不变性,旋转不变形和尺度不变形,能够保持什么不变?

  6. 给了一个有噪声的灰度图像,问如何利用数值形态学来变成另一幅图像;

  7. 给出了一个模板图像,一个待测图像,求Chammer Distance;
    令模板图像的中心位置放在待测图像的某一个点上,问该点的数值是多少?

  8. SIFT描述子如何实现平移,旋转不变性,尺度不变性,亮度不变性;
    反色变换对SIFT描述子的影响?

  9. 给出了一个有缺陷的图像和图像增强的图像,问如何从它实现到它;

  10. 二维光流方程推导;
    光流方程的二义性;

具体DIA复习前资料以及往年试题回忆PDF版参考我的另一篇博客:
2020年中国科大春季数字图像分析考前复习总结

同时另一同学的试题回忆:
数字图像分析 中科大 2020年7月试题回忆(含2019 2018年)

本文参考博客:

数字图像分析 中科大 2019回忆版考题及复习重点(2019.05)
USTC中科大数字图像分析2019年考题回忆(2019.05)
2017-2018学年上学期期末试题
USTC-DIA-2019秋季考试

  • 14
    点赞
  • 47
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
2020年科大讯飞脑pet图像分析和疾病预测比赛吸引了众多来自全国各地的优秀选手参与,其中脱颖而出的三支队伍值得一提。 第一名队伍:团队名称“智拍医生”。他们凭借精湛的图像分析和疾病预测技术,以及出色的团队协作能力,在比赛中获得了第一名的成绩。他们利用深度学习框架和大量的训练数据,成功设计出一套高效准确的脑pet图像分析算法,能够快速识别和定位疾病相关区域。同时,他们还应用多种机器学习算法,通过对大量数据的模式分析和特征提取,开发出了一套可靠的疾病预测模型。 第二名队伍:团队名称“尖叫壁纸”。他们队伍由一群年轻的学生组成,展现了惊人的创造力和实验精神。他们基于深度学习网络构建了一个高效的脑pet图像分析模型,并成功实现了脑部异常区域的自动分割和分类。此外,他们还结合了医学图像处理和人工智能算法,设计出一套智能辅助诊断系统,能够帮助医生快速准确地预测和诊断疾病。 第三名队伍:团队名称“智能AI”。他们队伍由一群经验丰富的研究人员组成,他们的团队在前沿的图像分析和医学影像处理领域具有深厚的技术积累。他们通过大量的脑pet图像数据和医学知识,结合机器学习和深度学习技术,开发了一套快速准确的脑pet图像分析和疾病预测算法。他们的团队成员分工明确,高效协作,充分发挥了各自的专业优势,取得了令人瞩目的成绩。 可见,这三支队伍在科大讯飞脑pet图像分析和疾病预测比赛中表现出色。他们的创新思维、技术实力和团队合作精神为医学影像处理和疾病诊断领域带来了新的突破和进步。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值