《数字图像处理》教学大纲

《数字图像处理》教学大纲课程编号：13220327英文名称：DigitalImageProcessing学分：2学时：总学时40学时，其中理论24学时，实践16学时先修课程：C语言、Python编程基础课程类别：专业拓展课程授课对象：自动化专业学生教学单位：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》课程是自动化专业的专业拓展课程。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，能够针对实际问题需要选择适当方法进行处理与分析，理解其优势和局限性。课程目标2：能够有效开展团队合作，理解多学科交叉、团队合作重要性。课程目标3：养成认真细致、实事求是、积极探索的科学态度和工作作风，形成理论联系实际、自主学习、团队合作和探索创新的良好习惯，养成较完备的团队意识。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支撑强度3-2能够针对特定需求，完成感知、控制、驱动、执行等单元模块的设计。课程目标1H9-1理解多学科背景下团队合作的重要性，能够与其他成员有效沟通，合作共事。课程目标2M9-3能够辩证吸收团队其他队成员的意见和建议，组织、协调和指挥团队开展工作。课程目标3H三、教学内容、基本要求与学时分配（一）理论教学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数字图像处理基础基本要求：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。重点难点：图像处理算法用途和适应性、深度学习基本特性和框架。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图像处理基础算法基本要求：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。重点难点：图像数学计算作用、基础图像处理任务程序设计与分析。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2课程目标33神经网络基础基本要求：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。重点难点：神经网络结构、激活/损失函数。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2课程目标34图像分类基本要求：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。重点难点：典型图像分类网络架构、算法性能测试、结构调整。德育要求：科学素养、工匠精神、创新意识、社会责任4讲授式启发式课程目标1课程目标2课程目标35目标检测基本要求：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。重点难点：典型目标检测网络架构、算法性能测试、结构调整。德育要求：科学素养、工匠精神、创新意识、社会责任5讲授式启发式课程目标1课程目标2课程目标36图像分割基本要求：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。重点难点：典型目标分割网络架构、算法性能测试、结构调整。德育要求：科学素养、工匠精神、创新意识、社会责任5讲授式启发式课程目标1课程目标2课程目标3合计24（二）实践教学序号实验项目实验内容与要求学时类型对应课程目标1基础图像处理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。4综合课程目标1课程目标2课程目标32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。6综合课程目标1课程目标2课程目标33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。6综合课程目标1课程目标2课程目标3合计16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、讨论、练习等教学方式。1.总体设计以课程目标为导向，项目任务为载体，将图像处理算法与思维训练贯穿于整个教学过程中，通过师生互动、团队合作分享完成教学任务。采用探究式的教学模式，激发学生学习兴趣，增强对数字图像处理相关知识点的理解和内化，完成综合性项目训练。课堂教学方法：理论讲授、实例演示、项目实践。实验教学方法：项目驱动、自主练习、个别答疑。课外学习方法：预习教学内容、检索资料、自主学习、项目实践。2.课堂教学课堂讲授：理论教学与实例分析紧密结合，注重实践能力训练，按知识模块，通过实例演示并分析算法性能，引导学生自主、拓展、探究学习，深化学生对相关知识的理解。讲授过程中适当开展团队分享活动，激发学生的学习热情，培养分析、解决问题的思维能力。课内讨论：围绕相关算法和图像处理目标，提出问题，引导学生思考、拓展；依托团队分享活动，巩固、拓展相关知识，激发主动分享、互动学习氛围。3.实验教学在课内外学习的基础上，通过集中实验，理解有关知识点，掌握相关数字图像处理方法的设计、调试和分析方法。4.课外学习课前预习：要求学生在课前按预习计划完成自主学习内容，即自学教材相关章节，观看相关知识点教学视频。课后作业：要求学生按时完成课后作业。复杂项目设计：完成一个复杂综合项目的设计，并进行集中验收和现场答辩。五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由平时作业、课堂表现、实验考核、期末考核组成，均按百分制计分，其中期末考核成绩占50%、平时作业成绩占10%、课堂表现占10%、实验考核成绩占30%。2.课程目标达成考核与评价序号考核方式课程目标1（分值）课程目标2（分值）课程目标3（分值）合计1平时作业811102课堂表现721103实验考核2064304期末考核406450课程目标对应分值751510100（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.期末考核（团队项目作业）与评价标准分值观测点90-100分80-89分70-79分60-69分0-59分期末考核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Py