图像理解- 习题及答案 (第三章-第六章)

习题批量导入,,,,,,,,

"注：

1.导入数据前，请根据列标题里的批注说明填写，以避免导入失败，增加不必要的工作量；

2.目前只支持单选题、多选题、判断题、投票题、填空题、主观题六种题型。题型的种类只能从其中选择，若输入其他题型，则习题解析失败。

3.列标题前标注*的是必填项，若不填写，则本题导入失败；解析为选填项；难度系数为选填项，若为空值，则默认难度系数为1；

4.单选题/多选题在正确答案列用ABCD等英文字母表示答案；判断题在正确答案列填入正确或错误；投票题在正确答案列填入单选或多选，不填则默认单选，若填多选则默认最多选择两项；填空题在正确答案列填入顺序或乱序，不填则默认顺序，两个以上的下划线""__""代表一个填空；

5.选项支持添加更多，从J列开始添加即可

6.excel只支持纯文本导入，若有其他格式，请在习题导入后进入题库单独编辑；习题导入后，请进入题库仔细核查题目内容；

7.为保证导入速度，每次导入数据条目数建议不超过2000条。",,,,,,,,

*题型,*题干,*正确答案,解析,难度系数,选项,,,

,,,,,A,B,C,D

单选题,图像增强的主要目的是（）。,B,,1,提取主要特征,增强视觉效果,减少噪声,对图像信息进行整合

多选题,常用的图像增强技术有（）。,AC,,2,空域增强,细节增强,频域增强,背景增强

多选题,图像增强的点操作中，基本坐标变换包括（）。,ABCD,,3,平移变换,缩放变换,旋转变换,拉伸变换

判断题,空域图像增强指直接作用于像素，在图像空间进行的增强。（）,正确,,2,,,,

单选题,图像的点操作分为（）点操作和灰度点操作,C,,2,变换,边界,几何,缩放

判断题,变换级联操作中多个变换的运算次序是满足交换律，可以互换的。（）,错误,,2,,,,

多选题,常用的直方图变换方法有（）。,AB,,3,直方图均衡化,直方图规定化,直方图归一化,直方图可视化

单选题,数字图像与直方图之间的映射关系是（）。,C,,4,多对多,一对一,多对一,一对多

单选题,经过直方图均衡化equalization的数字图像，灰度级出现的概率（）。,D,,3,相同,不相同,不变,近似

单选题,直方图均衡化改变了（）。,A,,3,图像的灰度级,像素大小,像素个数,图像尺寸

判断题,一幅图像经过直方图均衡化处理后，其对比度一定比原始图像的对比度提高。（）,错误,,2,,,,

判断题,直方图均衡化处理对于灰度分布比较集中的图像的处理效果比较明显。（）,正确,,1,,,,

单选题,直方图均衡化使得（）。,C,,3,图像的灰度动态范围减小,图像的灰度动态范围向低灰度区压缩,图像的灰度动态范围加大,图像的灰度动态范围向高灰度区压缩

单选题,直方图均衡化适用于增强直方图呈（）。,A,,2,尖峰,波形,随机,高斯

多选题,以下对直方图规定化的两种映射规则的叙述不正确的是（）。,ACD,,5,单映射规则的误差一定大于组映射规则,原始直方图与规定化直方图中的灰度级数相等时(M=N)，单映射规则的误差一定等于组映射规则,单映射规则与组映射规则均是统计无偏的,组映射规则是寻求原始直方图和理想直方图累积情况误差的最小值

判断题,直方图均衡化能将统一灰度的像素区分开来。（）,错误,,,,,,

多选题,以下关于直方图均衡化和直方图规定化描述正确的是（）。,ABCD,,5,直方图均衡化效果不易控制,直方图均衡化总得到全图增强的结果,直方图规定化是有选择地增强,直方图规定化可得到特定增强的结果

多选题,在数字图像中，像素位置值之间距离包括（）。,ABC,,3,欧拉距离,城区距离,棋盘距离,余弦距离

多选题,图像间的像素运算（）。,AC,,3,可以“原地完成”，是因为每次运算只涉及1个空间位置,加法运算和减法运算互为逆运算，所以用加法运算实现的功能也可用减法运算实现,与逻辑运算类似，也可用于二值图像,与逻辑运算类似，即可对一副图像进行，也可对两幅图像进行

判断题,中值滤波是一种非线性平滑技术。（）,正确,,2,,,,

多选题,像素的邻域包括（）。,ABC,,3,4-邻域,对角邻域,8-邻域,2-邻域

判断题,连通是连接的推广，连接是连通的特例。（）,正确,,3,,,,

多选题,对于两个像素来说，要确定它们是否连接需要考虑（）。,BC,,4,它们之间是否可达,它们在空间上是否邻接,它们的灰度值是否满足某个特定的相似准则,它们与某个特定点的距离是否相等

单选题,应用模板运算进行图像增强一般称为（）。,B,,2,频域滤波,空域滤波,像素滤波,位置滤波

多选题,空域滤波增强技术按照功能分为（）。,AC,,3,平滑滤波,像素滤波,锐化滤波,平衡滤波

多选题,空域滤波增强技术按照运算的特点分为（）。,BD,,3,多点滤波,线性滤波,累计滤波,非线性滤波

单选题,像素在空间中的接近程度可以用像素之间的（）来测量。,A,,3,距离,相似性,大小,特点

判断题,采用不同的距离度量函数来计算两个像素之间的距离不同。,正确,,2,,,,

单选题,线性滤波既可得到平滑的效果，也可以得到锐化的效果，这主要取决于（）。,B,,3,模板的大小,模板的系数值,运算的过程,原始图像的特征

多选题,非线性锐化滤波模板的通用性质包括（）。,BCD,,4,随机性,零位移,消除均值,对称性质

主观题,简述图像增强的重要作用。,,图像增强的主要目的是要改善图像的视觉效果。针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。,3,,,,

主观题,简述直方图均衡化与直方图规定化之间的区别与联系。,,"联系：都建立在灰度直方图的定义上，都可以达到图像增强的目的。

区别：直方图均衡化可以增强整个图像的对比度。

直方图规定化是指有选择的增强某个灰度范围的对比度。",4,,,,

主观题,简述线性滤波与非线性滤波的区别。,,线性滤波和非线性滤波之间的主要区别在于它们处理图像时的数学性质。线性滤波是基于线性组合的操作，适合平滑和增强图像，但可能不太适用于保护图像中的细节和特征。非线性滤波则更适合在处理具有边缘和特征的图像时，因为它们不受线性性质的限制，可以更好地保护图像的细节。,4,,,,

主观题,简述模板卷积操作的主要步骤。,,模板卷积的主要步骤如下：1)将模板在输入图像中漫游，并将模板中心与图像中某个像素位置重合;2)将模板上的各个系数与模板下各对应像素的灰度值相乘;3)将所有乘积相加（为保持灰度范围，常将结果再除以模板系数之和）;4)将上述结果（模板的输出响应）赋给输出图像中对应模板中心位置的像素。,5,,,,

主观题,简述图像边界处的模板运算如何处理。,,"当模板中心对应输入图像的边界像素时，其邻域范围可能扩展到输入图像的边界之外。解决这个问题的办法有两种：

1）忽略这些边界处的像素，仅处理图像内部的像素。

2）将输入图象进行扩展，即如果用半径为r的模板进行模板运算，则在图像的四条边界外各增加或扩展一个r行或r列的带。",4,,,,

判断题,图像分割就是指把图像分成各具特性的区域并提取出感兴趣目标区域的技术和过程。（）,正确,,1,,,,

单选题,图像分割是由图像处理进到（）的关键步骤。,A,,,图像分析,图像理解,图像表达,图像编码

单选题,对灰度图像的分割来说，一般要满足（）。,B,,3,不连续性和变化性,连续性和相似性,连续性和变化性,不连续性和相似性

多选题,图像分割可以依据图像的哪些特性来进行（）。,ABC,,4,灰度,颜色,纹理,开运算

多选题,图像分割技术可以分为以下几类（）。,ABCD,,4,并行边界类,并行区域类,串行边界类,串行区域类

单选题,边缘检测中，描述边缘的重要参数包括（）。,ABCD,,4,位置,斜率,均值,幅度

多选题,并行边界分割技术包括下面的（）。,ABCD,,,Sobel算子,Prewitt算子,Roberts算子,Laplacian算子

单选题,区域生长是一种（）的分割方法。,B,,3,自上而下,自下而上,由内及外,随机的

单选题,区域生长和（）是两种典型的串行区域技术。,D,,3,阈值分割,空间聚类,全局阈值,分裂合并

多选题,区域生长法的基本步骤包括（）。,ABC,,4,设灰度差的阈值为0，用像素与像素的生长方法将具有相同灰度的像素合并到同一区域，得到图像的初始分割图像,从被分割图像的一个小区域开始，求出相邻区域间的灰度差，将差值最小的相邻区域合并,重复上述操作，将区域逐一合并,输出区域数量

单选题,分裂合并时，需要先把图像分成任意大小且（）的区域。,A,,3,不重叠,重叠,相关,无法确定

判断题,边缘检测的目的就是图像分割。（）,错误,,2,,,,

判断题,区域生长和区域分裂合并法，都是典型的并行区域技术。（）,错误,,2,,,,

判断题,区域生长的基本思想是将具有相似性质的像素及合起来构成区域。（）,正确,,2,,,,

单选题,多阈值分割图像需要取（）阈值。,A,,3,多个,一个,零个,无穷个

单选题,全局阈值法和局部阈值法分割又称为（）。,C,,3,动态阈值法,分散阈值法,固定阈值法,点阈值法

单选题,图割方法本质上采用了基于（）的串行分割思路。,B,,3,中心,边缘,区域,全局

多选题,图割方法需要构建两个特殊的图结点，分别是（）。,AC,,4,源结点,旁结点,汇结点,叶结点

多选题,图割方法中代价最小s-t割的代价是由（）构成的目标函数。,BD,,4,像素相关项,区域性质项,加权性质项,边界性质项

判断题,图割方法的一个重要特性是提供了一种借助交互以有效方法改进先前获得的分割结果的能力。（）,正确,,2,,,,

判断题,最小流的值等于最小割的代价。（）,错误,,2,,,,

单选题,分水岭算法是借助（）概念进行图像分割。,B,,3,数学,地形学,山体,圆形

单选题,分水岭算法常用于平滑处理后的（）。,A,,3,梯度图像,灰度图像,二值图像,滤波图像

单选题,使用分水岭算法分割图像时，不会执行的操作是()。,D,,4,将原图像转换为灰度图像,确定图像前景,确定末知区域,从图像中删除背景

单选题,实现分水岭图像自动分割首先要进行()。 ,C,,4,"分水岭计算查找轮廓,并把轮廓信息按照不同的编号绘制到",标记注水点,图像灰度化、滤波、边缘检测,"轮廓绘制分割出来的区域,可以用随机颜色填充,或者与原始图像进行融合,以得到更好的显示效果"

多选题,为消除分水岭算法的过度分割，可以采取下列哪些方法（）。,CD,,4,基于涨水,基于降水,基于兴趣区域,有种子和无种子

多选题,分水岭方法包括（）的方法。,ABCD,,4,,,,

判断题,分水岭分割算法的主要优点是对图像的变化很敏感，既可以检测出感兴趣区域的轮廓又可检测出均匀区域中的低对比度变化。（）,正确,,2,,,,

判断题,分水岭算法不仅可以在图像域中使用，还可以在特征域中使用。（）,正确,,2,,,,

单选题,应用分水岭算法进行彩色图像分割时，需要在不同（）之间建立分水岭。,A,,4,彩色聚类,形状聚类,区域聚类,边界聚类

主观题,简述图像分割的含义。,,"图像分割指把一幅图像分成不同的具有特定性质区域的图像处理技术,将这些区域分离提取出来,以便进一步提取特征和理解。",4,,,,

主观题,简述图像分割的原则。,,由于图像的复杂性和应用的多样性图像分割并没有一个统一的标准和方法，一般可以依据以下两个原则对图像进行分割：(1)依据像素灰度值的不连续性进行分割假定不同区域的像素的灰度；(2)值具有不连续性，因而可以对其进行分割。据同一区域内部像素的灰度值具有相似性进行分割这种方法一般从一个点(种子)出发，将其邻域中满足相似性测量准则的像素进行合并从而达到分割的目的。依据像素的不连续性进行分割的方法主要是区域增长法。,4,,,,

主观题,简述区域生长的基本步骤。,,区域生长的基本步骤为：1）选择区域的种子像素；2）确定将相邻像素包括进来的准则；3）制定生长停止的规则。,,,,,

主观题,简述图割方法的主要步骤。,,用图割方法进行图像分割的主要步骤为：第一，将待分割图像I映射为一个对弧加权的有向图G，它在尺寸上和维数上都与I对应。第二，确定目标和背景的种子，并针对它们构建两个特殊的图节点，即源节点s和汇节点t；然后将所有种子根据它们的目标或背景标号分别与源节点或汇节点相连接。第三，计算弧代价函数，并对图G中的各个弧赋予一定的弧代价。第四，使用最大流图优化算法来确定对图G的图割，从而区分对应目标和背景像素的节点。,5,,,,

主观题,简述分水岭分割的原理。,,梯度图像中各区域内部对应极小区域，边界对应高灰度，即分水岭。确定分水岭，即确定区域边界，实现分割。,4,,,,

单选题,目标表达是要对图像中的目标采取合适的（）来进行表示。,A,,3,数据结构,算法设计,数据元素,聚类形式

多选题,在图像空间进行目标的表达可有两种思路，分别是（）。,BC,,4,基于全局,基于边界,基于区域,基于元素

判断题,边界表达就是基于边界点对目标进行表达。（）,正确,,2,,,,

多选题,基于边界表达的技术类别包括（）。,ABC,,4,边界点集合,参数边界,曲线逼近,围绕区域

单选题,链码是对（）的一种编码表示方法，其特点是利用一系列具有特定长度和方向的相连直线段来表示目标的边界。,B,,3,特征点,边界点,曲线点,区域

多选题,常用的链码表达有（）。,AD,,4,4-方向链码,对角-链码,2-方向链码,8-方向链码

单选题,对同一个边界，不同的边界点作为链码起点，得到的链码是不同的，为了解决这个问题可把链码进行（）。,C,,4,同质化,分裂化,归一化,系统化

单选题,为了解决目标旋转时链码发生的变化可利用链码的（）来重新构造一个序列。,A,,4,一阶差分,二阶差分,一阶微分,二阶微分

单选题,对于目标轮廓上常出现的不规则部分，需要采用（）手段来消除。,B,,4,轮廓去除,轮廓平滑,轮廓采样,轮廓逼近

多选题,常用的多边形表达方法有（）。,BCD,,4,基于分裂的最小周长多边形法,基于收缩的最小周长多边形法,基于聚合的最小均方误差线段逼近法,基于分裂的最小均方误差线段逼近法

判断题,基于收缩的最小周长多边形法是沿边界依次连接像素。（）,错误,,4,,,,

多选题,基于区域表达的技术类别包括（）。,ABC,,4,区域分解,围绕区域,内部特征,参数边界

判断题,利用空间占有数组表达图像中的区域很方便、简单，并且也很直观。（）,正确,,2,,,,

单选题,四叉树表达法中，所有的节点包括目标节点、背景节点和（）。,A,,4,混合节点,父节点,孩子节点,相似节点

判断题,金字塔是一种与四叉树密切相关的数据结构。（）,正确,,2,,,,

判断题,金字塔的垂直结构可以用一个二分图来描述。（）,正确,,4,,,,

多选题,一般用（）来描述金字塔结构。,BD,,4,装填因子,缩减率,模板,缩减窗

单选题,图像金字塔是图像中多尺度表达的一种，是一种以（）来解释图像的有效但概念简单的结构。,B,,4,缩减率,多分辨率,形状特征,细节特征

单选题,图像金字塔的层级越高，图像（），分辨率越低。,A,,4,越小,越大,不变,无法确定

多选题,图像金字塔的优点包括（）。,ABCD,,4,通过去除较低分辨率时的不重要细节可减少噪声的影响,对图像的处理与感兴趣区域的分辨率无关,将全局的特征转化为局部的,在低分辨率图像中可以低成本检出感兴趣区域

多选题,基于围绕区域的表达方法是用一个将目标包含在内的区域来近似表达目标，常用的方法有（）。,ABCD,,4,外接盒,最小包围长方形,围盒,凸包

判断题,外接盒是包含目标区域的最大长方形（朝向特定的参考方向）。（）,错误,,2,,,,

判断题,围盒是包含目标区域的（可朝向任何方向）最小长方形。（）,正确,,2,,,,

多选题,简单的边界描述符包括（）。,ABC,,4,边界长度,边界直径,曲率,重心

单选题,边界直径是边界上相隔（）的两点之间的距离，即连接这两点的直线的长度。,C,,3,最近,相等,最远,任意

判断题,曲率是曲线的改变率，它描述了边界上各点沿轮廓变化的情况。（）,错误,,2,,,,

判断题,形状数是一个数串或序列，其计算基于链码表达。（）,正确,,4,,,,

多选题,基于区域的描述符包括（）。,ACD,,4,简单区域描述符,形状数,拓扑描述符,区域不变矩

单选题,区域的面积是区域的一个基本特性，它描述区域的（）。,B,,3,边界,大小,形状,方向

判断题,区域重心的坐标是根据所有属于区域的（点计算出来的。,正确,,3,,,,

单选题,区域重心的坐标与几何重心坐标常常（）。,D,,4,相同,相邻,相对,不相同

多选题,几种典型的区域密度特征描述符包括（）。,ABC,,4,透射率,光密度,积分光密度,边界密度

主观题,简述基于分裂的最小均方误差线段逼近法。,,基于分裂的最小均方误差线段逼近法是先连接边界上相距最远的两个像素，然后根据一定准则进一步分解边界，构成多边形逼近边界，直到拟合误差满足一定限度。,4,,,,

主观题,简述欧拉数。,,对一个给定平面区域来说，区域内的孔数H和区域内的连通组元个数C都是常用的拓扑性质，他们可以被进一步用来定义欧拉数E=C-H。欧拉数是一个全局特征参数，描述的是区域的连通性。,4,,,,

主观题,简述点目标分布,,当图象中有许多个同类的目标时，为方便研究它们之间的关系，常将各个目标抽象为点目标。对点目标集合，目标间相互关系常比单个目标在图象中的位置或单个目标本身的性质更重要。常用的点目标分布有随机分布、聚类分布、规则分布等。,5,,,,

多选题,模式识别的主要分支包括（）。,ABCD,,4,统计模式识别,结构模式识别,模糊模式识别,句法模式识别

判断题,图像模式可定义为对图像中的目标或其他感兴趣部分定量或结构化的表达和描述。（）,正确,,2,,,,

单选题,对模式的分类主要是基于决策理论的，而决策理论方法要用到（）。,B,,3,统计特性,决策函数,最大值,分布特性

判断题,模式类是由具有不同特性的模式组成。（）,错误,,2,,,,

多选题,实际中，模式表达的主要方式有（）。,ABC,,3,矢量,字符串,树结构,形状数

单选题,统计模式识别主要工作是选取（）和设计分类器进行分类。,A,,3,特征表达模式,矢量,决策函数,结构

多选题,最小距离分类器基于对模式的采样来估计各类模式的统计参数并完全由给类的（）确定。,BC,,4,分类,均值,方差,函数

单选题,最小距离分类方法中常采用的距离不包括（）。,D,,3,欧式距离,计程距离,马氏距离,欧几里得距离

单选题,当分类器的分类效果再两类样本时仅略高于（），称为弱分类器。,C,,4,40%,45%,50%,55%

单选题,对一个未知模式矢量进行分类的方法是将这个模式赋给与它最接近的类，如果利用（）来确定接近程度，则问题转化为对距离的测量。,B,,3,城区距离,欧氏距离,棋盘距离,最大距离

单选题,自举算法将多个弱分类器结合成一个比其中每个弱分类器都要好的新的（）。,B,,3,弱分类器,强分类器,多分类器,标识符

单选题,感知机是基于（）的学习机器。,A,,3,人工神经网络,模糊数学,统计分析,决策树

单选题,使用感知机模型的前提是（）。,C,,3,数据样本多,数据样本少,数据线性可分,数据线性不可分

判断题,最基本的感知机能确定将两个线性可分训练集分开的线性决策函数。（）,正确,,2,,,,

判断题,解决线性不可分类问题的一种方法称为德尔塔规则，它在任一训练步骤最小化实际响应和希望响应间的误差。（）,正确,,2,,,,

单选题,支持向量机是一种对（）的最优设计方法论。,A,,3,线性分类器,弱分类器,强分类器,多分类器

判断题,支持向量机是一类模型的统称，通常包括线性可分支持向量机、线性支持向量机和非线性支持向量机。（）,正确,,2,,,,

多选题,在类不可（线性）分的情况下，训练特征向量可分成以下几类（）。,ABC,,4,向量落在分类带之外且被正确地分了类,向量落在分类带之内且被正确地分了类,向量被错误的分了类,向量没有分类

单选题,支持向量机线性分类器的目的是设计一个超平面，满足条件的超平面是（）。,B,,3,唯一的,不唯一,不可数,无法确定

单选题,在支持向量机的线性可分类中，离开两个类都（）的超平面分类的结果会更好些。,C,,3,一样,不一样,比较远,比较近

判断题,支持向量给出与线性分类器最接近的训练向量。（）,正确,,2,,,,

单选题,由支持向量得到的最优超平面分类器是（）。,A,,3,唯一的,不唯一,不可数,无法确定

单选题,实现