山东交通学院
- 图像逻辑运算必须保证2幅图或者图与矩阵具有相同行、列像素数。（ ）
- 智能手机既可以作为图像处理系统的图像采集设备，也可以作为输出设备。（ ）
- 灰度直方图描述了图像中灰度分布情况，能够很直观的展示出图像中各个灰度级像素数量及对比关系。（ ）
- 黑白图像是指图像的每个像素只能是黑或者白，没有中间的过渡，又称为２值图像。（ ）
- 区域生长分割图像法必须选择一个种子，且必须是最亮的点。（ ）
- 采用 YUV 色彩空间的重要性是它的亮度信号 Y 和色度信号 U、V 是分离的。（ ）
- TensorFlow只能用来实现深度学习的各种算法。（ ）
- 开运算可以在分离粘连目标物的同时，基本保持原目标物的大小。（ ）
- 卷积层的作用是通过卷积运算进行图像降维以及提取图像的局部特征。（ ）
- 真彩色模式图像和索引色模式图像都有调色板。（ ）
- 灰度特征（Gray）、尺度不变特征（SIFT）、方向梯度直方图（HOG）都属于人为设计的特征。（ ）
- OpenCV采用优化的C代码编写，能够充分利用多核处理器的优势。（ ）。
- 近彩色直方图方法是以一种简化直方图方法，它分别取RGB 颜色通道的高两位拼成一个值，用该值代表一种颜色，统计其在图像中出现的次数。（ ）
- 图像分类是指从图片中发现、定位并识别不同物体。（ ）
- 单连接成分：不包含孔的“1”连接成分。（ ）
- Python是开源的，拥有非常强大的基本类库和数量众多的第三方扩展库。（ ）
- 阈值分割可以大量压缩数据，减少存储容量，大大简化其后的分析和处理过程。（ ）
- R-CNN引入了区域的概念，成功将深度学习应用于目标检测。（ ）
- 利用待求象素四个邻像素的灰度在两个方向上作线性内插，进行图像放大，该方法称为双线性插值。（ ）
- OpenCV只能运行在Linux和Windows系统上。（ ）。
- 卷积神经网络CNN的基本结构包括：（ ）。
- 人眼所感知的景物一般是连续的,我们称之为模拟图像。这种连续性是指（ ）。
- 以下目标跟踪方法中，属于判别式方法的是（ ）。
- 真彩色模式图像和索引色模式图像都有的文件结构有（ ）。
- Python可以在下列哪些平台运行：（ ）。
- 基于FCN网络的改进方法有（ ）。
- 在图像矩阵中，点P是边界点，在4-/8-邻接的情况下，P点的连接数可能是（ ）。
- 以下目标跟踪方法中，属于生成式方法的是（ ）。
- 以下表述正确的是（ ）。
- 卷积神经网络构成包括（ ）。
- 下列对于HIS模型描述正确的是（ ）。
- 区域生长法分割图像时，区域生长的好坏决定于（ ）。
- Python的设计哲学包括：（ ）。
- 以下属于深度学习框架的有：（ ）。
- 三基色是（ ）。
- 下面应用属于图像到图像处理的是（ ）。
- 采样频率的选择要符合：（ ）。
- 关于卷积层的说法，错误的是：（ ）。
- R-CNN实现目标检测的过程为（ ）。
- 索引色模式图像中调色板有16种颜色，则数据区保存一个像素需要：（ ）。
- 池化层的作用不包括：（ ）。
- 对于非特殊用途的灰度图像，保存一个像素通常需要：（ ）。
- 图像灰度的分布情况的描述方法：( )。
- 图像的像素值位于0-255之间，图像的深度是。（ ）
- 以下哪项技术不属于数字图像处理技术（ ）。
- 图像的亮暗程度离散化叫做：（ ）。
- 按照图像高度、宽度等比例或者不等比例方式，对图像中像素进行等间隔或者不等间隔挑选，进行图像缩小后，出现下面哪个问题（ ）。
- 下列何种运算可以生成图象叠加效果（ ）。
- 卷积滤波，卷积核所有的元素之和一般要等于1，卷积后图像什么特性保持不变？（ ）。
- 计算颜色模型又称为色度学颜色模型，主要应用于纯理论研究和计算推导，计算颜色模型有CIE的RGB、XYZ、（ ）等。
A:对 B:错
答案:对
A:错 B:对
答案:对
A:对 B:错
答案:对
A:错 B:对
答案:对
A:错 B:对
答案:A:错
A:错 B:对
答案:B: 对
A:对 B:错
答案:B:错
A:对 B:错
答案:对
A:对 B:错
答案:A:对
A:对 B:错
A:错 B:对
A:错 B:对
A:错 B:对
A:错 B:对
A:对 B:错
A:错 B:对
A:对 B:错
A:对 B:错
A:错 B:对
A:对 B:错
A:决策层
B:池化层
C:卷积层
D:全连接层
A:颜色的连续性
B:空间位置的连续性
C:时间的连续性
D:每个位置上光的强度变化的连续性
A:字典学习
B:逻辑回归
C:支持向量机
D:岭回归
A:信息头
B:调色板
C:数据区
D:文件头
A:Windows
B:Linux
C:Mac OS
D:Unix
A:基于空洞卷积的方法
B:基于注意力机制的方法
C:基于编解码的方法
D:基于特征融合的方法
E:基于循环神经网络的方法
F:基于对抗网络的方法
A:2
B:4
C:3
D:1
A:字典学习
B:稀疏表示
C:逻辑回归
D:子空间
A:直方图均衡化是对原图像像素灰度值进行线性变换
B:直方图均衡化改变了像素间灰度值的大小关系
C:直方图均衡化利用了灰度直方图计算累计概率
D:直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
A:网络层
B:全连接层
C:池化层
D:卷积层
A:色调是描述一种纯色的颜色属性
B:饱和度或色纯度S：表示颜色的纯度
C:全部正确
D:亮度或明度I：表示某种颜色的光对人眼所引起的视觉强度，是颜色的明亮程度
A:都不是
B:终止条件
C:种子点的选取
D:生长准则
A:明确
B:简单
C:优雅
D:高效
A:Pytorch
B:TensorFlow
C:Keras
D:Caffe
A:蓝色
B:绿色
C:红色
D:黄色
A:人脸识别
B:车牌识别
C:证件照换背景
D:指纹锁
A:香农采样定理
B:香农第三定理
C:香农第二定理
D:香农第一定理
A:卷积核的参数值是人为指定的
B:卷积层可以作为神经网络的隐藏层
C:卷积核的尺寸是由人为指定的
D:特征图是为卷积层的最终输出
A:输入图像，使用SVM进行分类，提取特征向量，生成候选区域，输出结果
B:输入图像，使用SVM进行分类，生成候选区域，提取特征向量，输出结果
C:输入图像，生成候选区域，提取特征向量，使用SVM进行分类，输出结果
D:输入图像，提取特征向量，生成候选区域，使用SVM进行分类，输出结果
A:8bit
B:4bit
C:2bit
D:1bit
A:解决卷积计算量过大的问题
B:实现不同尺度特征的提取
C:降低特征图的分辨率
D:实现特征分类
A:3bit
B:1Byte
C:1bit
D:3Byte
A:贝叶斯估计
B:灰度直方图
C:卡尔曼滤波
D:功率谱
A:32
B:2
C:8
D:16
A:图像风格化
B:图像生成
C:图像分类
D:自然语言处理
A:量化
B:二值化
C:灰度化
D:采样
A:图像尺寸放大
B:图像尺寸不变
C:部分细节信息丢失
D:图像亮度增加
A:点运算
B:乘法运算
C:减法运算
D:加法运算
A:图像深度
B:图像像素数量
C:图像通道数
D:图像亮度
A:LUV
B:YUV
C:HSV
D:HSI
温馨提示支付 ￥5.00 元后可查看付费内容,请先翻页预览!
