| | 1. En el model de formació d'una imatge, |
| | L'equació de la projecció perspectiva diu que com més gran és la focal f de la lent, més petit és l'objecte a la imatge |
| | L'equació de la projecció ortográfica assumeix que els raigs de llum que arriben a la imatge mai venen paral·lels a l'eix òptic |
| | La llei de la distància diu que la irradiància d'una superfície és inversament proporcional al quadrat de la distància entre la superfície i la font de llum |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 2. Els detectors de contorns |
| | Els contorns d'una imatge són aquells punts on la segona derivada és zero en la direcció perpendicular al gradient. |
| | El detector de contorns de Canny busca punts de la imatge amb curvatura alta i mòdul del gradient alt. |
| | El Laplacià es pot implementar amb una única convolució, i no amb dos com el gradient. |
| | Totes les anteriors |
| | No contesto... |
| |
| | 3. Espai escala: |
| | En l'espai escala, podem assumir la continuïtat dels creuaments per zero del Laplacià respecte a l'escala. |
| | Les taques són les regions de la imatge associades a un màxim. |
| | Per detectar cantonades necessito terceres derivades de la imatge. |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 4. Visió Binocular, |
| | Si assumim que l'angle entre dues càmeres d'un sistema binocular és zero, llavors com més gran és la disparitat, més lluny està el punt. |
| | Si fem servir finestres de diferents mides durant la recerca de punts corresponents, sempre processarem primer amb mides de finestres grosses (són més robustes però menys precises) i anirem reduint progressivament la mida de la finestra (per millorar la precisió) |
| | La línia epipolar d'un punt x de la imatge A és la projecció sobre la imatge de la càmara B de la línia que uneix el centre de projecció de la càmara A amb la projecció de x sobre B |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 5. Moviment: |
| | El flux òptic es defineix com la projecció del camp de moviment sobre la imatge, però no sempre es pot trobat ! |
| | Sempre que hi ha flux òptic es que hi ha hagut algun camp de moviment. |
| | Quan imposem la condició de suavitat del flux òptic, ho fem sabent que aquesta condició, de fet, no es compleix realment als contorns dels objectes que es mouen. |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 6. Enfocament |
| | Si obrim l'iris (apertura) augmenta la profunditat de camp i podem tenir imatges on tot està perfectament enfocat. |
| | Per calcular l'histograma de contrast dinàmic cal calcular les derivades de la imatge i el mòdul del gradient. |
| | Els mètodes basats en el desenfocament requereixen tenir el sistema calibrat, i per tant disposar d'una taula que posi en correspondència les PSF's i les distàncies entre l'observador i l'objecte vist |
| | Totes les anteriors |
| | No contesto... |
| |
| | 7. Textures |
| | Dues textures són preatentivament discriminables si els estadístics de primer ordre dels textons són diferents. |
| | Per a una textura, donada una finestra d'anàlisi de 3x3 només podem calcular 4 matrius de concurrència diferents. |
| | L'algorisme de Malik&Perona considera en el seu banc de filtres primeres i segones derivades de la gaussiana. |
| | Totes les anteriors |
| | No contesto... |
| |
| | 8. Reconeixement d'Objectes |
| | El reconeixement de classes d'objectes (classificació) és útil perquè ens permet, entre d'altres coses, l'ús d'informació específica de la classe per identificar objectes. |
| | El reconeixement per aliniació ens assegura que ...donats tres punts del model sobre un pla paral·lel al pla imatge i tres punts a la imatge, hi ha un nombre petit de transformacions que posen en correspondència els punts del model i els de la imatge, i que aquest nombre depèn del tipus de punt triat |
| | El reconeixement per aliniació requereix el model de projecció perspectiva. |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 9. Reconeixement d'Objectes |
| | L'anàlisi de components principals (PCA) ens permet reduir la dimensió de les imatges a partir de calcular els vectors i valors propis de la seva matriu de correlació |
| | Els vectors propis calculats amb el PCA només tenen valors positius |
| | Si tenim menys exemples (m) que dimensions tenen les dades (n), sempre podem calcular els m vectors propis de valor propi més alt de la matriu de covariança de les dades, sense haver de construir una matriu de nxn, sinó mxm |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 10. Visió Activa |
| | El seguiment suaus (smooth pursuit) intenta minimitzar el flux òptic global de la imatge |
| | Les sacades es basen en el càlcul del flux òptic |
| | L'horòpter és la corba imaginària que uneix tots els punts dels món que estan en disparitat zero per un sistema binocular que està en fixació |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 11. Problemes: Color |
| | El model (R,G,B) d'imatges color també s'anomena model de colors oponents |
| | La constancia del color es refereix al fet que el color percebut pels humans en escenes reals és relativament estable sota grans variacions de la il·luminació i del material que compon les escenes |
| | La retroprojecció de l'histograma color és útil per a la identificació d'objectes |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 12. Problemes: Càmares |
| | Una càmara amb un xip CCD de 1/2'' i una òptica de 25mm adquireix un angle visual més gran que una de 1/3'' amb la mateixa òptica |
| | Una càmara amb un xip CCD de 1/2'' i una òptica de 25mm adquireix un angle visual més petit que una de 1/3'' amb la mateixa òptica |
| | Una càmara amb escanneig progressiu adquireix primer les línies parell i després les senars |
| | El shutter d'una càmara determinada quant temps està l'iris obert |
| | No contesto... |
| |
| | 13. Problemes: Determinació de la profunditat |
| | Si veiem un objecte del que sabem l'alçada (per exemple, una porta), per determinar la seva distància només cal calcular l'angle visual que ocupa a la imatge |
| | La component de parlax del moviment ens permet calcular la distància entre un observador i un objecte quan ens movem sobre la línia de visió de l'objecte (és a dir, ens movem CAP a l'objecte) |
| | Com més separades estan les càmares d'un sistema binocular, menys precisió tenim en les mesures de profunditat |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 14. Problemes: Transformada de Hough |
| | Si detectem cercles de radi arbitrari amb la transformada de Hough, estem treballant en un espai d'acumulació de dimensió 2 |
| | La transformada de Hough pot detectar segments de recta en una imatge |
| | El conjunt de línies rectes que passen per dos punts d'una imatge generen 2 màxims locals en l'espai de Hough de les línies rectes |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 15. Problemes: Biomètrics |
| | Els ''minutiae'' són les característiques de l'iris que fan possible el reconeixement d'una persona |
| | Per reconèixer una persona amb l'iris processem la imatge de l'iris amb un banc de filtres que es diuen ''filtres de Gabor'' i que són semblants a les derivades de la Gaussiana |
| | El sistemes de reconeixement facial tnen normalment un nivell de FAR més petit que els basats en l'iris |
| | b) i c) |
| | No contesto... |
| |
| | 16. Pràctiques: A la pràctica de segmentació per color, què és el que feia la funció Segmenta? |
| | Restava el fons (background) de la imatge per a activar la cara (foreground) |
| | Mostrava el model de mixtura de gaussianes sobre les mostres |
| | Calculava la probabilitat de que cada píxel pertanyés al nostre model de cares |
| | Aplicava l'algorisme EM al conjunt de mostres |
| | No contesto... |
| |
| | 17. Pràctiques: La funció ViewDGauss de la pràctica de detectors de característiques: |
| | Convolucionava una nova imatge que ens arribava amb un conjunt de nuclis gaussians |
| | Creava un conjunt de imatges quadrades que representaven diferents escales de la mateixa imatge |
| | Creava un conjunt de imatges quadrades que representaven el producte tensiorial de les derivades de la funció gaussiana en cada direcció |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 18. Pràctiques: Al model de fons trobat amb l'algorisme W4, la imatge N és: |
| | La diferència d'intensitats entre dos frames consecutius |
| | La imatge corresponent al valor màxim de cada píxel durant tota la seqüència de imatges de fons |
| | La imatge corresponent l valor màxim de cada píxel durant tota la seqüència de imatges de test |
| | El valor absolut de la diferència d'intensitats entre dos frames consecutius |
| | No contesto... |
| |
| | 19. Pràctiques: A la funció Representants de la pràctica de reconeixement de cares: |
| | Es projecten totes les cares d'aprenentatge a l'espai de cares i es retorna la mitja de les projeccions de les cares corresponents a un mateix individu |
| | Es mira la distància de la nova cara que ens arriba a cada representant |
| | Es calcula la projecció de cada cara a l'espai de cares i es retorna una matriu Omega amb totes les cares de cada individu a reconèixer |
| | Es calculen les mitges de les cares de cada individu a reconèixer i es projecten a l'espai de cares |
| | No contesto... |
| |
| | 20. Pràctiques: Per a reconèixer una nova cara que ens arribi: |
| | Utilitzem el PCA per a calcular-ne les eigenfaces |
| | L'hem de normalitzar i calcular la seva diferència amb la imatge mitja del conjunt d'entrenament |
| | L'hem de normalitzar i calcular la diferència amb les imatges de les classes d'entrenament |
| | La projectem a l'espai de cares i avaluem la classe a menor distància euclídea |
| | No contesto... |
| |