Examen Mayo 2018 Solución PDF

Preview

Summary

Nombre: Apellidos:Examen de Visión Artificial (Mayo 2018) Normas: La duración total del examen total es de 1h 15min. El examen consta de 20 preguntas tipo test. Cada pregunta vale 0,5 puntos y hay que obtener 5 puntos para aprobar. Rodear la opción correcta con un círculo Las preguntas incorrectas r...

Description

Nombre:

Apellidos: Examen de Visión Artificial (Mayo 2018)

Normas: • La duración total del examen total es de 1h 15min. • El examen consta de 20 preguntas tipo test. • Cada pregunta vale 0,5 puntos y hay que obtener 5 puntos para aprobar. • Rodear la opción correcta con un círculo • Las preguntas incorrectas restan 0,125 puntos cada una.

1. Sea una imagen de tamaño 16×16 con 3 bits para representar el brillo y el siguiente histograma h: i

0

1

2

3

4

5

6

7

h[i]

0

2

41

69

5

139

0

0

El valor más adecuado de umbral para convertir a esta imagen en binaria es: a) 139 b) 2 c) 4 d) 41 2. El espectro de radiación o luz infrarroja comprende longitudes de onda: a) Entre 400 y 700 nanómetros b) Por debajo de 400 nanómetros c) Por encima de 700 nanómetros d) Ninguna de las respuestas anteriores es correcta 3. Sea la siguiente imagen binaria I, donde los píxeles con valor ‘1’ pertenecen a objetos y los píxeles con valor ‘0’, al fondo.

El número de componentes conexas existentes en I, usando las conectividades de 4-vecinos y de 8-vecinos son respectivamente: a) 7 y 3 b) 5 y 4 c) 5 y 3 d) No son ninguna de las combinaciones de valores anteriores

4. La transformada de Fourier: a) Permite pasar una imagen al dominio de la frecuencia para facilitar operaciones de cambios de escala. b) Permite pasar una imagen al dominio espacial, convolucionar la imagen con un filtro de suavizado, y utilizando la transformada inversa obtener la imagen original suavizada. c) Permite pasar una imagen al dominio de la frecuencia, eliminar en dicho dominio las bajas frecuencias, y utilizando la transformada inversa obtener una imagen de bordes de la original en el dominio espacial. d) Ninguna de las respuestas anteriores es correcta. 5. La extracción de los bordes de una imagen en el dominio espacial se puede realizar de forma habitual mediante una operación de: a) Cálculo de la mediana de la imagen b) Aplicación de un filtrado gaussiano c) Cálculo de la derivada de la imagen d) Cálculo de la integral de la imagen 6. ¿Cuál de los siguientes tipos de filtrados no puede implementarse mediante una operación de convolución? a) Media b) Laplaciano de Gaussiana (LoG) c) Prewitt d) Todos los filtrados anteriores se pueden implementar como convoluciones. 7. Sea la imagen original de la izquierda, a la que se aplica una función de transformación a su histograma y cuyo resultado es la imagen transformada de la derecha:

La forma más aproximada de la transformación del histograma aplicada a la imagen anterior corresponde a la función definida por la curva:

a)

b)

c)

d)

8. Para eliminar el ruido de tipo “sal y pimienta” (salt-and-pepper) de una imagen sin emborronarla, lo más conveniente es usar: a) Un filtro de mediana. b) Un filtro de media. c) Un filtro de erosión morfológica. d) Un filtro de tipo ”paso alto”. 9. Dada la imagen binaria A y el elemento estructurante S (con centro en la posición indicada), mostrados a continuación. La imagen que aparece a su derecha corresponde a la siguiente operación morfológica: a) Dilatación de A con S b) Cierre de A con S c) Apertura de A con S d) (Dilatación de A con S) – A 10. Indique cuál de las siguientes operaciones es no lineal: a) Filtrado morfológico de cierre. b) Filtrado gaussiano. c) Filtrado de media. d) Filtrado de Prewitt. 11. ¿Cuál de las siguientes operaciones no serviría para quitar el ruido de la siguiente imagen?

a) b) c) d)

Apertura morfológica. Filtrado de mediana. Filtrado de Canny. Filtrado Gaussiano.

12. ¿Cuál sería el algoritmo en OpenCV que necesitaríamos para obtener la imagen derecha a partir de la imagen original de la izquierda?

a) b) c) d)

cv2.Sobel cv2.GaussianBlur cv2.adaptiveThreshold cv2.Laplacian

13. Para buscar las líneas de banda (horizontales) en este campo de fútbol ¿Cuál de las siguientes máscaras de convolución es la más adecuada?:

1

0

-1

1

2

1

1

1

1

1

0

0

2

0

-2

2

4

2

0

0

0

0

1

0

1

0

-1

1

2

1

-1

-1

-1

0

0

1

a)

b)

c)

d)

14. ¿Qué contiene la matriz misterio tras la ejecución de este código? import numpy as np img = cv2.imread('lena.png') misterio = 255.0 * (img – np.min(img)) / (np.max(img) – np.min(img))

a) La imagen normalizada a valores entre -1 y 1. b) La imagen ecualizada c) La imagen umbralizada. d) La imagen normalizada a valores entre 0 y 255.

15. Una imagen OpenCV de tipo np.uint16 de 30 filas y 50 columnas ocupa: a) 750 bytes. b) 6000 bytes. c) 1500 bytes. d) 3000 bytes. 16. El algoritmo de RANSAC es un método que puede aplicarse para: a) Detectar puntos de interés en una imagen. b) Establecer correspondencias entre pares de imágenes. c) Reconocer un tipo de objeto que aparece en la imagen. d) Suavizar la imagen eliminando el ruido gaussiano. 17. Cuál de las siguientes afirmaciones es correcta respecto al descriptor asociado al punto de interés P: a) Permite calcular rapidamente la posición del punto P. b) Es un vector con la posición del punto P. c) Es deseable que sea invariante a rotaciones y cambios de escala. d) Es conveniente usarlo en combinación con la transformada de Fourier. 18. En un problema de clasificación de dos clases, los patrones de la clase 1 siguen una gaussiana (normal) con media 10 y desviación típica 5 y los de la clase 2 siguen una gaussiana con media -10 y desviación típica 5. Si las probabilidades apriori de cada clase son iguales, y utilizamos el clasificador Bayes de mínimo error, ¿En qué clase clasificaríamos el valor 1?: a) b) c) d)

En la clase 1. En la clase 2. En ninguna porque existe ambigüedad. El clasificador Bayes no puede usarse en este caso al implicar distribuciones gausianas.

19. El Análisis Discriminante Lineal (LDA) se utiliza fundamentalmente: a) b) c) d) 20.

Para comprimir las imágenes antes de proceder a su clasificación. Para reducir la dimensión de los vectores de características. Para reducir el ancho y el alto de las imágenes antes de realizar búsquedas. Para mejorar la calidad de la imagen antes del proceso de reconocimiento.

El algoritmo de clasificación de las k medias (k-means) es un método de clasificación __________ que necesita como parámetro ___________ a) supervisado, uno o varios umbrales de distancias entre clases. b) no supervisado, un número de clases predefinido. c) no supervisado, uno o varios umbrales de distancias entre clases. d) supervisado, un número de clases predefinido....