《机器视觉与应用》课程教学大纲

《机器视觉与应用》教学大纲适用范围：2020版本科人才培养方案课程代码：08140391课程性质：专业必修课学分：3学分学时：48学时（其中：理论48学时，实验0学时）先修课程：线性代数，C语言后续课程：人工智能适用专业：物联网工程教材：计算机视觉度量从特征描述到深度学习，斯科特·克里格著，刘波罗棻译，2019.09开课单位：计算机科学与技术学院一、课程的性质与任务课程性质：本课程是物联网程的专业选修课。课程任务：本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、课程的基本内容及要求（一）图像的获取和表示1．课程教学内容（1）图像传感器技术；（2）计算机成像；（3）三维深度处理；（4）三维表示。2．课程重点难点重点:计算机成像技术；难点:三维深度照相机系统、深度图、网格和点云。3．课程教学要求（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。（二）图像预处理1．课程教学内容（1）图像预处理概述；（2）图像校正，图像增强；（3）空间滤波和边缘检测；（4）变换滤波，形态学与分割，阈值化处理。2．课程重点难点重点:灰图像滤波与边缘检测；难点:Canny检测，卷积滤波和变换滤波。3．课程教学要求（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。（三）全局特征和区域特征1．课程教学内容（1）视觉基本特征；（2）纹理区域度量；（3）统计区域度量；（4）基空间度量。2．课程重点难点重点:图像矩特征和全局直方图；难点:小波变换与Fourier谱。3．课程教学要求（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）掌握常见区域度量。（四）局部特征设计1．课程教学内容（1）基本的局部特征；（2）局部特征属性；（3）距离函数，描述子与描述子特性；（4）搜索策略与优化，计算机视觉、模型和结构2．课程重点难点重点: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。3．课程教学要求（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。（五）特征描述属性的分类1．课程教学内容（1）图像鲁棒性；（2）视觉度量分类；（3）特征度量评估。2．课程重点难点重点:特征的鲁棒性；难点:特征度量评估。3．课程教学要求（1）掌握特征鲁棒性和度量评估；（2）了解SIFT和LBP。（六）兴趣点检测与特征描述子1．课程教学内容（1）兴趣点；（2）特征描述；（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。2．课程重点难点重点: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。3．课程教学要求（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。三、课程学时分配教学章节理论实践（验）一、图像的获取和表示4二、图像预处理6三、全局特征和区域特征8四、局部特征设计8五、特征描述属性的分类10六、兴趣点检测与特征描述子12总计48四、课程考核方式与要求考核方式：本课程主要以课内实验，课内活动，出勤和期末大作业等方式对学生进行考核评价。考核基本要求：考核总成绩由期末闭卷成绩和过程性评价成绩组成。其中：期末大作业成绩为100分（权重50%），可以为综合性实验项目或者课程论文。五、课程资源库李金洪，机器视觉之TensorFlow2入门原理与应用实战[M].人民邮电出版社,2020.WesleyE.Snyder,HairongQi,林学.机器视觉教程[M].机械工业出版社,2005.施特格.机器视觉算法与应用[M].清华大学出版社,2008.雄卡.图像处理、分析与机器视觉[M].清华大学出版社,2011.MacalusoS,ShihD.Pullingoutallthetopswithcomputervisionanddeeplearning[J].JournalofHighEnergyPhysics,2018,2018(10).FarsiuS,Robinson,M.D,EladM,etal.Fastandrobustmultiframesuperresolution[J].IEEETransactionsonImage