《数字图像处理》教学大纲

《数字图像处理》教学大纲适用范围：202X版本科人才培养方案课程代码：22140211课程性质：专业必修课学分：4学分学时：64学时（理论48学时，实验16学时）先修课程：线性代数、程序设计基础、人工智能程序设计、计算机组成原理与结构等后续课程：计算机视觉等适用专业：人工智能专业开课单位：智能工程学院一、课程说明《数字图像处理》是人工智能专业的一门专业必修课程，是一门涉及多领域的交叉学科。本课程主要讲授讲述图像的数字处理技术和基本应用。本课程注重基本理论知识的深入学习和实践动手能力的培养，通过本课程学习，使学生初步掌握数字图像处理的基本理论与方法，并能运用本课所学内容初步解决一些实际问题，培养学生严谨的治学态度，启迪学生的创新思路和意识，为以后从事人工智能或相关领域的工作、深造、研究作好准备。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：系统掌握数字图像处理的基本概念、原理和实现方法。包括图像的数学表征、图像处理基础和图像变换等内容。课程目标2：结合计算机视觉等技术掌握图像处理基本方法和技术，具备初步解决人工智能领域内图像处理问题的能力。包括图像增强、图像恢复和重建、图像压缩编码、图像特征的提取与分析等内容。课程目标3：了解数字图像处理的发展动态，学习新思想、新技术、新应用，通过实验和课程实践增强创新意识和创新思维，提高实际动手能力和创新能力。促使学生形成良好的世界观、人生观和价值观，激发学生科技报国的奋发精神。三、课程目标与毕业要求《数字图像处理》课程教学目标对人工智能专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识:能够将数学、自然科学、工程基础和专业知识用于解决人工智能及交叉应用领域工程问题。1.2系统掌握人工智能领域的工程基础和专业知识，包括计算机硬件、软件及系统等方面内容，了解通过人工智能系统解决工程问题的基本方法。课程目标1：系统掌握数字图像处理的基本概念、原理和实现方法。包括图像的数学表征、数字图像处理基础和图像变换等内容。H3.设计/开发解决方案：能设计针对人工智能及交叉应用领域工程问题的解决方案和满足特定需求，并在设计中体现创新意识，考虑社会、环境、健康、安全、法律、文化等因素。3.1掌握人工智能及相关应用领域的系统集成、算法优化、软件设计的基本设计理论和设计方法，能够根据需求确定设计目标研究、确定技术方案。课程目标2：结合计算机视觉等技术掌握图像处理基本方法和技术，具备初步解决人工智能领域内图像处理问题的能力。包括图像增强、图像恢复和重建、图像压缩编码、图像特征的提取与分析等内容。H4.研究：能基于科学原理并采用科学方法对人工智能及交叉应用领域的工程问题进行研究，包括实验的设计、算法的研究、参数的优化等，并通过信息综合得到合理有效的结论。4．2能够构建模拟或实验系统，通过信息综合分析和实验结果解释，说明其有效性、合理性，得到解决方案实施质量的合理有效结论。课程目标3：了解数字图像处理的发展动态，学习新思想、新技术、新应用，通过实验和课程实践增强创新意识和创新思维，提高实际动手能力和创新能力。促使学生形成良好的世界观、人生观和价值观，激发学生科技报国的奋发精神。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1.理论部分见表2表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时实验学时对应的课程目标1.数字图像基础1.1数字图像技术及分类1.2数字图像处理常用算法1.3数字图像感知与获取1.4图像形成模型1.5图像的采样与量化教学要求：了解数字图像技术及分类；熟悉数字图像处理常用算法；理解数字图像感知与获取；了解图像形成模型；掌握图像的采样与量化。重点：图像的采样与量化。难点：图像的采样与量化。221、32.数字图像的表示2.1数字图像的表示2.2图像空间分辨率2.3灰度分辨率2.4像素的域2.5像素通路2.6图像区域2.7距离度量教学要求：了解数字图像的表示；理解图像空间分辨率；理解灰度分辨率；掌握像素的域；熟悉像素通路；掌握图像区域；掌握距离度量。重点：距离度量。难点：图像空间分辨率、灰度分辨率。22、33.图像预处理3.1图像预处理原因3.2图像预处理方法3.3均值滤波器3.4高斯滤波器3.5中值滤波器3.6直方图均衡化教学要求：了解图像预处理原因；熟悉图像预处理方法；掌握均值滤波器；掌握高斯滤波器；掌握中值滤波器；掌握直方图均衡化。重点：均值滤波器、高斯滤波器、中值滤波器。难点：直方图均衡化。661、2、34.图像分割4.1图像分割的目的4.2图像分割技术的位置4.3图像分割的概念4.4图像分割的基本思路4.5图像分割的基本方法教学要求：了解图像分割的目的；理解图像分割技术的位置；熟悉图像分割的概念；掌握图像分割的基本思路；掌握图像分割的基本方法。重点：图像分割的基本方法。难点：图像分割的基本方法。421、35.图像的特征提取5.1图像特征基本概念5.2图像特征分类5.3常见的特征提取方法5.4形状特征描述符5.5纹理定义5.6纹理特征提取与分析5.7灰度共生矩阵分析法教学要求：了解图像特征基本概念；了解图像特征分类；熟悉常见的特征提取方法；掌握形状特征描述符；理解纹理定义；理解纹理特征提取与分析；掌握灰度共生矩阵分析法。重点：灰度共生矩阵分析法。难点：灰度共生矩阵分析法。622、36.图像形态学6.1简单的图像成像模型6.2集合的基本运算6.3集合的反射和平移6.4腐蚀6.5膨胀6.6开运算6.7闭运算6.8对比开运算和闭运算6.9形态学的应用教学要求：了解简单的图像成像模型；了解集合的基本运算；熟悉集合的反射和平移；掌握图像的腐蚀、膨胀、开运算、闭运算及对比；熟悉形态学的应用。重点：图像的腐蚀、膨胀、开运算、闭运算。难点：图像的腐蚀、膨胀、开运算、闭运算。421、27.模板匹配7.1模板匹配简介7.2模板匹配原理及特点7.3模板匹配流程7.4模板匹配算法分类7.5基于灰度的模板匹配算法教学要求：了解模板匹配简介；熟悉模板匹配原理及特点；掌握模板匹配流程；掌握模板匹配算法分类；掌握基于灰度的模板匹配算法。重点：基于灰度的模板匹配算法。难点：基于灰度的模板匹配算法。221、2、38.光学字符识别8.1光学字符识别定义8.2特征提取与特征选择8.3特征提取的具体实现8.4分类器的设计方法8.5监督学习8.6模式识别方法教学要求：了解光学字符识别定义；熟悉特征提取与特征选择；掌握特征提取的具体实现；掌握分类器的设计方法；掌握监督学习；掌握模式识别方法。重点：监督学习。难点：模式识别方法。21、2、39.数字图像处理综合应用9.1手写数字识别综合应用9.2车牌识别综合应用9.3人脸图像识别综合应用9.4条形码识别综合应用9.5织物表面缺陷识别综合应用9.6小麦病虫害识别综合应用9.7猫狗图像分类综合应用9.8交通信号标志识别综合应用9.9COVID-19图像分类综合应用9.10绝缘子缺陷识别综合应用教学要求：了解手写数字识别综合应用；掌握车牌识别综合应用；掌握人脸图像识别综合应用；掌握条形码识别综合应用；掌握织物表面缺陷识别综合应用；掌握小麦病虫害识别综合应用；掌握猫狗图像分类综合应用；掌握交通信号标志识别综合应用；掌握COVID-19图像分类综合应用；掌握绝缘子缺陷识别综合应用。重点：车牌识别综合应用。难点：形码识别综合应用。201、2、3合计48162.实验/实践或上机部分见表3表3实验项目、实验内容与学时实验项目实验内容和要求实验学时对应的课程目标1.数字图像基础实验内容：图像数据的采集、读取、存储、显示以及图像颜色空间转换。实验要求：了解数字图像采集；掌握图像数据的读取、存储、显示；掌握图像颜色空间的转换。21、22.图像预处理（一）实验内容：数字图像的加、减、乘、除，求反、或、与、异或、平移、缩放、旋转、水平翻转、垂直翻转空域变换。实验要求：掌握数字图像的加、减、乘、除，求反、或、与、异或、平移、缩放、旋转、水平翻转、垂直翻转的原理及程序实现方法。21、23.图像预处理（二）实验内容：数字图像的均值、中值和高斯滤波。实验要求：掌握数字图像的均值、中值和高斯滤波。22、34.图像预处理（三）实验内容：数字图像的直方图统计与均衡化处理。实验要求：掌握数字图像的直方图统计并进行均衡化处理。21、25.图像分割实验内容：数字图像二值化、Sobel、Laplace和Canny边缘检测及分割算法。实验要求：掌握数字图像二值化、Sobel、Laplace和Canny边缘检测及分割算法。21、2、36.图像的特征提取实验内容：数字图像的局部二值模式纹理特征提取。实验要求：掌握数字图像的局部二值模式纹理特征提取。22、37.图像形态学实验内容：数字图像的膨胀、腐蚀、开运算和闭运算。实验要求：熟悉图像形态学处理方法，掌握数字图像的膨胀、腐蚀、开运算和闭运算基本原理与程序实现方法。21、2、38.图像模板匹配实验内容：数字图像的模板匹配。实验要求：了解数字图像的模板匹配的原理，掌握数字图像的模板匹配编程实现。21、2、3合计16五、教学方法及手段在课堂教学中，采用“翻转课堂+PBL”的授课方式，激发学生在课堂学习中的积极性和主动性，教师主要负责任务分配及引导，组织课堂纪律，达到锻炼学生积极探索、交流沟通及团队协作能力的目的。在实验教学环节中，通过培养学生自主学习能力、实际动手能力，激发学生的创新思维。采用教师讲授和学生动手操作的方法；在实验前学生应复习和掌握与本实验有关的教学内容、认真阅读实验指导书；在实验中要严格遵守实验纪律，按操作规程使用仪器；实验结束后，按规定对仪器进行维护保养；每完成一项实验，要认真完成一份实验报告。六、课程资源库每门课程需推荐优秀专著3本以上（不包括教材），本学科国内或国际权威期刊5种以上（至少包括外文期刊1种），网络资源2项以上。1.建议教材：（1）冈萨雷斯，《数字图像处理》（第三版），北京:电子工业出版社，2017。2.参考书：（1）贾永红，《数字图像处理》(第三版)，武汉:武汉大学出版社，2015。（2）李俊山，《数字图像处理》，北京:清华大学出版社，2017。（3）杨杰，《数字图像处理及MATLAB实现》（第三版），北京:电子工业出版社，2019。3.期刊：（1）LiC,SohnK,YoonJ,etal.CutPaste:Self-SupervisedLearningforAnomalyDetectionandLocalization.ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR),2021:14902-14912.（2）SalehiM,SadjadiN,BaselizadehS,etal.Multiresolutionknowledgedistillationforanomalydetection.ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR),2021:14902-14912.（3）陶显,侯伟,徐德.基于深度学习的表面缺陷检测方法综述[J].自动化学报,2021,47(5),1017-1034.（4）张涛,刘玉婷,杨亚宁,王鑫,金映谷.基于机器视觉的表面缺陷检测研究综述[J].科学技术与工程,2020,20(35):14366-14376.（5）陶华.数字图像处理技术在纺织检测中的应用[J].化纤与纺织技术,2021,50(09):63-65.（6）吴少霜,赵纯,朱亚男等.数字图像处理技术在果蔬分级检测中的应用[J].福建农机,2021(03):30-36.（7）包新月,俞磊.计算机数字图像处理常用颜色空间及转换[J].电子技术与软件工程,2021(07):122-123.（8）胡志萍.数字图像处理技术研究进展[J].中国新通信,2020,22(24):72-73.（9）叶高文.基于MATLAB数字图像处理的机械零件尺寸检测[J].北京印刷学院学报,2020,28(10):152-154.网络资源：（1）数字图像处理./sCourse/course_3201.html.（2）数字图像处理技巧./course/WHU-1205723805.（3）图像处理与机器学习./course/NJTU-1462091162.七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表4。表4课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据课堂出勤情况和课堂回答问题情况进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√424课内实验15（1）根据每个实验的实验完成情况和实验报告质量单独评分，满分100分；（2）每次实验单独评分，取各次实验成绩的平均值作为此环节的最终成绩。（3）以实验成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√15课程作业10（1）主要考核学生对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√663课程报告（论文）15（1）主要考核学生综合掌握课程知识程度，满分100分；（2）学期中后期进行一次，单独评分√√22期末考核50（1）卷面成绩100分，以卷面成绩乘以其在总评成绩中所占的比例计入课程总评成绩。（2）主要考核数字图像基础、数字图像的表示、图像预处理、图像分割、图像的特征提取、图像形态学、模板匹配、光学字符识别、数字图像处理综合应用内容。（3）考试题型为：选择题、填空题、判断题、简答题和计算分析题等。√√√252510合计：100分355015八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课程作业、课堂表现、课内实验、期末考试等方式对学生进行考核评价。考核基本要求：（加强过程考核）考核总成绩由期末试卷成绩和课程作业、课堂表现、课内实验过程性评价成绩组成。其中：期末试卷成绩为100分（权重50%），试题类型为填空题、选择题、简答题、计算分析题等类型，过程性评价和考试试题分值应与教学大纲各章节的学时基本成比例，试卷中基本知识、基本理论、基本技能占卷面分值不超过50%左右，简答题、计算分析题占卷面分值不低于50%左右；课程作业、课堂表现、课内实验、课程报告（论文）过程性评价成