《数字图像处理与分析》教学大纲

《数字图像处理与分析》教学大纲课程编号：13210714英文名称：DigitalImageprocessingandAnalysis学分：3学时：总学时64学时，其中理论32学时，实践32学时先修课程：Python编程技术、机器学习与应用、深度学习技术课程类别：专业方向课授课对象：数据科学与大数据技术专业学生教学单位：机械与电气工程学院修读学期：第6学期一、课程描述和目标数字图像处理与分析是通过对图像数据进行处理、特征提取和智能分析，使计算机在大量图像数据知识基础上能够在一定程度上认识、理解图像内容，进而感知现实世界，为相关应用服务。《数字图像处理与分析》课程是数据科学与大数据技术专业的专业方向课。通过本课程的学习使学生掌握典型的数字图像处理算法,包括算法的主要思想和基本步骤,并通过编程练习和典型应用实例加深理解；同时对深度学习理论在图像处理与分析中的应用有一定认识。课程目标1:掌握主流的数字图像处理算法，增强面向图像处理与分析领域的相关逻辑思维能力与实践能力，能够针对图像领域复杂问题选择合适的方法进行处理与分析。课程目标2：能够针对大规模图像分析问题需求，选择适当方法进行处理与分析，理解其优势和局限性。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标权重2-2能够通过文献检索、资料查询的基本方法以及网络等现代信息技术获得可用的知识、技术或方法，辅助进行复杂大数据工程问题的识别、分析与表达。课程目标1M5-2能够针对大数据工程问题，为预测与分析工程模型选择和使用合适的现代工程工具和信息技术工具，并能理解其局限性。课程目标2M三、教学内容、基本要求与学时分配序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标1数字图像处理基础了解数字图像处理与分析相关工具、开发环境、专业交流平台、深度学习框架等，了解典型应用场景，能够自行安装并使用开发环境。德育要求：爱国情怀、热爱专业、服务社会2讲授式启发式课程目标12图像处理基础算法能够编写程序完成基本的图像处理任务，如面向图像处理的数学计算、几何变换、直方图、滤波等，理解相应图像处理操作含义。德育要求：科学素养、工匠精神4讲授式启发式课程目标1课程目标23神经网络基础理解神经网络基本结构，掌握激活函数和损失函数，了解神经网络前向、反向传播机制。德育要求：科学素养、工匠精神、创新意识4讲授式启发式课程目标1课程目标24图像分类掌握典型的图像分类网络和测试指标，如VGGNet、ResNet等，能够理解网络结构，并能够进行网络结构修改，调试网络。德育要求：科学素养、工匠精神、创新意识、社会责任6讲授式启发式课程目标1课程目标25目标检测掌握典型的目标检测网络和测试指标，如R-CNN、YOLO等，能够利用当前网络进行数据分析，完成目标检测任务，并能够适当调整网络，对比前后性能。德育要求：科学素养、工匠精神、创新意识、社会责任8讲授式启发式课程目标1课程目标26图像分割掌握典型的图像分割网络和测试指标，如FCN、SegNet、UNet等，能够理解网络结构，并能够对网络结构进行适当修改，完成图像分割任务。德育要求：科学素养、工匠精神、创新意识、社会责任8讲授式启发式课程目标1课程目标2合计32序号实验项目实验内容与要求学时类型对应课程目标1图像处理基础能够完成基本的图像计算，如图像空间域的数学计算、几何变换、图像滤波等。6综合课程目标1课程目标22图像分类模型的设计与实现理解典型的图像分类网络，能够完成典型的图像分类任务；能够设计简单的图像分类网络。8综合课程目标1课程目标23目标检测模型的设计与实现理解典型的目标检测网络，能够完成典型的目标检测任务，能够对网络进行拓展。10综合课程目标1课程目标24图像分割模型的设计与实现理解典型的图像分割网络，能够完成典型的图像分割任务，能够对网络结构进行拓展。8综合课程目标1课程目标2合计32注：实验要求包括必修、选修；实验类型包括演示、验证、综合、设计等。四、课程教学方法采用集中讲授与翻转课堂相结合、讨论、练习等教学方式。五、学业评价和课程考核（一）考核方式及具体要求序号考核方式课程目标1（分值）课程目标2（分值）合计1平时作业55102课堂表现55103实验考核2020404期末大作业202040课程目标对应分值5050100（二）考核与评价标准1.平时成绩考核与评价标准分值观测点90-100分80-89分70-89分60-69分0-59分平时作业按时完成，90%以上的作业内容齐全，基本知识点理解、掌握到位。能够利用理论知识识别、分析数字图像处理领域相关专业问题。按时完成，80%以上的作业内容齐全，基本知识点理解、掌握较到位。能够较好利用理论知识识别、分析数字图像处理领域相关专业问题。按时完成，70%以上的作业内容齐全，基本知识点理解、掌握较到位。能够较好利用理论知识识别、分析数字图像处理领域相关专业问题。延时完成，60%以上的作业内容齐全，基本知识点理解、掌握基本到位。能够利用理论知识对数字图像处理领域相关专业问题有一定的识别、分析。不交和补交，50%以下的作业内容齐全，基本知识点理解、掌握有偏差。不能利用理论知识对数字图像处理领域相关专业问题进行识别、分析。2.课堂表现与评价标准分值观测点90-100分80-89分70-79分60-69分0-59分课堂表现能够很好的参与团队任务、参与课堂分享、课堂分享质量高、能积极提出或回答问题。能够较好的参与团队任务、参与课堂分享、课堂分享质量较高、能较积极提出或回答问题。能够较好参与团队任务、参与课堂分享、较少提出或回答问题。能够参与团队任务、参与课堂分享、较少提出或回答问题。团队任务参与度低、课堂分享参与度低、基本不提出或回答问题。3.实验考核与评价标准分值观测点90-100分80-89分70-79分60-69分0-59分实验考核能够快速、准确完成实验要求的任务功能，程序设计规范，思路清晰，符合实验内容要求。设计报告版面整洁、内容完整，问题剖析深刻。能够较为快速、准确完成实验要求的任务功能，程序设计较为规范，思路较为清晰，设计报告版面较为整洁、内容完整，问题剖析较深刻。能够按时完成实验要求的任务功能，程序设计规范性一般，思路基本清晰，符合实验内容要求。设计报告版面整洁度、内容完整性一般，问题剖析不够深刻。能够基本完成实验要求的任务功能，程序设计基本规范，思路不够清晰，基本符合实验内容要求。设计报告版面基本整洁、内容基本完整，问题剖析简单。未能按时完成实验要求的任务功能，程序设计规范性较差，思路混乱，不符合实验内容要求。设计报告版面混乱、内容不完整，无问题剖析。4.期末大作业考核与评价标准分值观测点90-100分80-89分70-79分60-69分0-59分期末大作业能根据项目要求自主设计方案，项目贡献很大，报告完整，算法设计与分析很完备、有理有据。能根据项目要求设计方案，项目贡献较大，报告完整，算法设计与分析完备、有理有据。能根据项目要求设计方案，项目贡献一般，报告完整，算法设计与分析较完备。基本完成项目要求，有一定项目贡献，报告较完整，完成算法设计与分析。基本完成项目要求，有项目贡献，报告欠完整，基本完成算法设计与分析。六、教材与参考书（一）推荐教材1．《深度学习与图像识别：原理与实践》，魏溪含等著，机械工业出版社，2019年7月版；2.《深度学习实践计算机视觉》，缪鹏著，清华大学出版社，2019年1月版；3．《Python计算机视觉》，[美]JanRrikSolem著，朱文涛译，人民邮电出版社，2014年7月版。（二）参考资料1．《OpenCV3计算机视觉Python语言实现》，[爱尔兰]JoeMinichino，[加]JosephHowse著，刘波等译，机械工业