《机器视觉与应用》教学大纲

《机器视觉与应用》教学大纲适用范围：202X版本科人才培养方案课程代码：08140391课程性质：专业选修课学分：3学分学时：48学时（理论48学时）先修课程：线性代数，C语言，人工智能后续课程：无适用专业：物联网工程开课单位：计算机科学与技术一、课程说明《机器视觉与应用》是物联网工程的一门专业选修课。课程着重于使学生掌握机器视觉的基本理论与方法以及一些典型应用。通过本课程学习和后续课程实践使学生掌握机器视觉的基本概念、基本理论和方法，引入项目案例、动手实践和编程练习来加强重点知识。使学生初步具有解决生产实际需求的能力，如智能化解决检测、识别和控制的能力，为以后从事模式识别与智能控制的研究与研发打下坚实基础。本课程需要守好种好思想教育责任田，使课程与思想政治理论课同向同行，形成协同效应。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：掌握基础的图像预处理和图像特征提取技术，熟悉图像滤波，边缘特征，全局和局特征，SIFT算子等。课程目标2：根据需求能够正确提取不同图像的特征，并加以适当的分类器，实现图像的分类，检测和识别等常见任务，并以后从事模式识别与智能控制的研究与研发打下坚实基础。课程目标3：了解现在人工智能的发展趋势，知道人工智能在各个领域的应用；了解人工智能可能带来的法律对相关伦理和法规政策的挑战。为社会培养具有创新能力的“四有新人”，通过作业等考核形式树立正确劳动价值取向，养成积极劳动精神面貌。三、课程目标与毕业要求《机器视觉与应用》课程教学目标对物联网工程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1.2能运用数学、自然科学、工程基础和专业知识对物联网领域的复杂工程问题进行建模并求解。课程目标1：掌握基础的图像预处理和图像特征提取技术，熟悉图像滤波，边缘特征，全局和局特征，SIFT算子等。H5.使用现代工具5.2能够选择与使用计算机软、硬件技术、物联网协议及算法仿真等工具，完成物联网领域感知、接入及处理应用等方面的复杂工程问题的分析、计算及设计。课程目标2：根据需求能够正确提取不同图像的特征，并加以适当的分类器，实现图像的分类，检测和识别等常见任务，并以后从事模式识别与智能控制的研究与研发打下坚实基础。H8.职业规范8.1有正确的价值观，了解中国国情，能够践行社会主义核心价值观，具备社会责任感。课程目标3：了解现在人工智能的发展趋势，知道人工智能在各个领域的应用；了解人工智能可能带来的法律对相关伦理和法规政策的挑战。为社会培养具有创新能力的“四有新人”，通过作业等考核形式树立正确劳动价值取向，养成积极劳动精神面貌。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.理论部分理论部分的教学内容、基本要求与学时分配见表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图像的获取和表示1.1图像传感器技术；1.2计算机成像；1.3三维深度处理；1.4三维表示。教学要求：（1）理解数字图像处理的定义和起源；（2）了解数字图像处理的应用；（3）掌握三维深度的一般获取和校正。重点：计算机成像技术和图像在计算机中的表示以及存储；。难点：三维深度照相机系统、深度图、网格和点云。41、2、32.图像预处理2.1图像预处理概述；2.2图像校正，图像增强；2.3空间滤波和边缘检测；2.4变换滤波，形态学与分割，阈值化处理。教学要求：（1）掌握基本的图像校正和图像增强方法；（2）掌握空域滤波和时域滤波和图像分割。重点:灰图像滤波与边缘检测；难点:Canny检测，卷积滤波和变换滤波。61、2、33.全局特征和区域特征3.1视觉基本特征；3.2纹理区域度量；3.3统计区域度量；3.4基空间度量。教学要求：（1）掌握频域变换的基本概念与原理；（2）掌握常见基空间度量；（3）了解常见区域度量。重点:图像矩特征和全局直方图;难点:小波变换与Fourier谱。81、2、34.局部特征设计4.1基本的局部特征；4.2局部特征属性；4.3距离函数，描述子与描述子特性；4.4搜索策略与优化，计算机视觉、模型和结构教学要求：（1）掌握基本的局部特征；（2）掌握描述子；（3）了解特征的判别和判别策略。重点:描述子的不同表示，描述子的判别性。难点:不同描述子的关系与区别和特征提取。81、2、35.局部特征设计5.1图像鲁棒性；5.2视觉度量分类；5.3特征度量评估。教学要求：（1）掌握特征鲁棒性和度量评估；（2）了解SIFT和LBP。重点:特征的鲁棒性；难点:特征度量评估。101、2、36.兴趣点检测与特征描述子6.1兴趣点；6.2特征描述；6.3谱描述子，基空间描述子，多边形形状描述和3D和4D描述子。教学要求：（1）掌握基本的谱描述子，基空间描述子，多边形形状描述和3D和4D描述子；（2）掌握基本兴趣点方法。重点:兴趣点的基本方法，特征描述，谱描述子，基空间描述子，多边形形状描述和3D和4D描述子；难点:SIFT和Fourier描述子。121、2、3合计48五、教学方法及手段本课程以课堂讲授为主，结合讨论、案例、视频资源等教学手段完成课程教学任务和相关能力的培养。学生比较全面地机器视觉的基本方法与设计原理，在掌握特征提取基础上，具有进行物体识别、检测和定位的初步能力。六、课程资源1.推荐教材（1）斯科特·克里格（刘波，罗棻译）.计算机视觉度量：从特征描述到深度学习[M].北京：人民邮电出版社，2019.2.参考书（1）雄卡.图像处理、分析与机器视觉[M].北京：清华大学出版社,2011.（2）施特格.机器视觉算法与应用[M].北京：清华大学出版社,2008.（3）WesleyE.Snyder,HairongQi,林学.机器视觉教程[M].北京：机械工业出版社,2005.3.期刊（1）YiS,WangX,TangX.DeepLearningFaceRepresentationbyJointIdentification-Verification.Advancesinneuralinformationprocessingsystems,2014,27.（2）DengL,YuD.DeepLearning:MethodsandApplications.Foundations&TrendsinSignalProcessing,2014,7(3):197-387.（3）LitjensG,KooiT,BejnordiBE,etal.ASurveyonDeepLearninginMedicalImageAnalysis.MedicalImageAnalysis,2017,42(9):60-88.（4）CholletF.Xception:DeepLearningwithDepthwiseSeparableConvolutions,2017IEEEConferenceonComputerVisionandPatternRecognition(CVPR).IEEE,2017.(5)DengL.FoundationsandTrendsinSignalProcessing:DEEPLEARNING-MethodsandApplications,SpringerPublishingCompany,Incorporated.SpringerPublishingCompany,Incorporated,2014.4.网络资源（1）网易公开课.深度学习[EB/OL]./newview/movie/courseintro?newurl=MCS5AQH7J,2022-03-1/2022-6-7.（2）网易公开课.机器学习[EB/OL]./newview/movie/free?pid=IEU2H8NIJ&mid=VEU2H8NKA,2022-03-1/2022-6-7.（3）网易公开课.机器视觉导论[EB/OL]./newview/movie/free?pid=BGV0G316O&mid=UGV0G337L,2022-03-1/2022-6-7.七、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3。表3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。√√√532作业20（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。√√√1055测验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）每次测验单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以测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。532期末考核60（1）成绩100分，乘以其在总评成绩中所占的比例计入课程总评成绩。（2）主要考核利用课本所学的知识，结合物联网工程，采取图像数据，进行图像预处理，然后提取特征，并设计相应分类器，实现物体识别。√√√252411合计：100分453520八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、作业、期末大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期末考核成绩和过程性考核成绩组成。其中：期末考核成绩为100分（权重60%），考核方式为大作业；课堂表现和作业等过程性考核成绩为100分（权重40%）；过程性考核和考试分值分配应与教学大纲各章节的学时基本成比例。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。表4过程性考核方式评价标准考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60课堂表现25积极参与教学