《中国科学院大学 计算机视觉模拟卷》由会员分享，可在线阅读，更多相关《中国科学院大学 计算机视觉模拟卷（4页珍藏版）》请在金锄头文库上搜索。
1、计算机视觉 自娱自乐模拟卷 任课老师：董秋雷，申抒含，胡占义 2017春 第1题： 详述Canny边缘检测算法的实现过程. 答：Canny边缘检测算法与LOG边缘检测算法类似，属于先平滑后求导的方 法。算法基本流程如下： 计算图像梯度； 梯度非极大值抑制； 双阈值提取边缘点； 【注：详细参考PPT 2-1】 第2题： 均值移动（Mean Shift）算法的基本思想是什么？简述在图像分割及 物体跟踪中应用Mean Shift的基本算法流程。 答： （1）Mean Shift的核心思想是找到概率密度梯度为零的采样点，并以此作 为特征空间聚类的模式点。其算法过程是一迭代过程，Mean Shift向量
2、的方向 为概率密度增大的方向，算法最终收敛于概率密度不再增大的样本点，即概率 密度梯度为零的采样点。 （2）图像分割中应用Mean Shift的基本算法流程: 1 对输入图像(设总共N个像素点)作预处理，提取每个像素点xi(i = 1, ,N)的特征，如RGB颜色特征； 对每一个像素点xi(i = 1, ,N)，按照Mean Shift算法流程，不断计 算Mean Shift向量及进行核密度梯度估计，最终得到xi(i = 1, ,N) 对应 的概率密度梯度为零的采样点（收敛点）zi(i = 1, ,N)； 对zi(i = 1, ,N)进行聚类（距离小于设定阈值的zj划分为一类） ，得到M 个类
3、别Cp(p = 1, ,M); 对于每个像素点xi(i = 1, ,N)，赋予类别标号Li= p|zi Cp; 【注：详细参考PPT 4】 （3）物体跟踪中应用Mean Shift的基本算法流程: 基于均值漂移的目标跟踪 算法通过分别计算目标区域和候选区域内像素的特征值概率得到关于目标 模型和候选模型的描述，然后利用相似函数度量初始帧目标模型和当前帧的 候选模版的相似性，选择使相似函数最大的候选模型并得到关于目标模型 的Meanshift向量，这个向量正是目标由初始位置向正确位置移动的向量。由 于均值漂移算法的快速收敛性，通过不断迭代计算Meanshift向量，算法最终 将收敛到目标的真实位置
4、，达到跟踪的目的。 【注：详细参考http:/ 第3题： 请描述一下参数化运动估计中lucas-kanade正向合成算法与逆向合成 算法的区别在哪里？为什么后者计算效率更高？ 答：没讲 第4题： 相机坐标系与世界坐标系如Figure-1所示，且已知相机坐标系的原点 2 在世界坐标系下的坐标为(20,10,5)T，求世界坐标系到相机坐标系的变换矩 阵。 Figure 1: 相机坐标系与世界坐标系转换 解： （1）先求旋转矩阵R: 由图示相机坐标系与世界坐标系可知，世界坐标系 先绕y 轴逆时针旋转1= 180，再绕x 轴逆时针旋转2= 90,才与相机坐标 3 系坐标轴方向相同，故： Ry= cos10 sin1 010 sin10cos1 = 1 00 010 00 1 Rx= 100 0cos2sin2 0 sin2cos2 = 1 00 0 0 1 0 10 R = RxRy= 1 0 0 00 1 01 0 （2）求平移向量t: 世界坐标系下的坐标(20,10,5)T，经过R旋转后为(20,5,10)T， 从而可得t = (20,5,10)T； （3）变换矩阵为： T = Rt 0T1 = 1 0 020 00 15 01 0 10 00 01 【注：详细参考http:/ 第5题： 结合自己的专业领域，说说视觉在自己工作中的作用和前景。 自由发挥 4
