数字图像处理（第4版）-教学大纲

《数字图像处理》教学大纲课程信息课程名称：数字图像处理课程类别：素质选修课/专业基础课课程性质：选修/必修计划学时：64计划学分：4先修课程：无选用教材：数字图像处理：第四版/（美）拉斐尔·C.冈萨雷斯（RafaelC.Gonzalez)，（美）理查德·E.伍兹（RichardE.Woods）著；阮秋琦等译.—北京：电子工业出版社，2020.5适用专业：本课程面向从事信号与信息处理、通信工程、电子科学与技术、信息工程、自动化、计算机科学与技术、地球物理、生物工程、生物医学工程、物理、化学、医学、遥感等领域的大学教师和科技工作者、研究生、大学本科高年级学生及工程技术人员。课程负责人：二、课程简介本课程介绍数字图像处理的基本概念和方法，为学生在数字图像处理领域进一步学习和研究奠定基础。把重点放在应用范围不限于求解具体问题的基础知识方面。课程的数学复杂性处于大学高年级本科生和一年级硕士研究生的水平，应先修了数学分析、向量、矩阵、概率、统计、线性系统和计算机编程等课程。三、课程教学要求序号专业毕业要求课程教学要求关联程度1工程知识绪论、数字图像基础、灰度变换与空间滤波、频率域滤波、图像复原与重建、小波变换和其他图像变换、彩色图像处理、图像压缩和水印、形态学图像处理、图像分割、特征提取、图像模式分类。L2问题分析图像处理科学还是一门与国计民生紧密相联的应用科学，它已给人类带来了巨大的经济和社会效益，不久的将来它不仅在理论上会有更深人的发展，而且在应用上也是科学研究、社会生产乃至人类生活中不可缺少的强大工具。图像处理科学的发展及应用与我国的现代化建设联系之密切、影响之深远是不可估量的。在信息社会中，图像处理科学无论是在理论上还是在实践上都存在着巨大的潜力。H3设计/开发解决方案L4研究L5使用现代工具对于学生或自学者，网站包含：关于概率、统计、向量和矩阵等内容的回顾。使用说明书，包含与本书内容相关的十几个主题的使用说明书。包含书中所有图像的一个图像数据库，以及许多其他的图像数据库。对于教师，网站包含：教师手册，包含书中所有习题的完整答案。可修改PowerPoint格式的课堂演示材料。从前几版中删除的内容，可方便地以PDF格式下载。至其他教育资源的众多链接。对于从业者，网站包含如下专题：至商业网站的链接。部分新参考文献。至商业图像数据库的链接。M6工程与社会学会将相应的技术应用于实际生产和社会服务中，为社会做出贡献。L7环境和可持续发展L8职业规范L9个人和团队1.学会个人发展和团队合作，提高个人和团队的综合素质。2.学会与他人合作和沟通，建立良好的人际关系和团队合作氛围。H10沟通1.学会进行有效的沟通和表达，与客户、同事和上级保持良好的沟通和协作。2.学会进行跨文化沟通和合作，提高国际化视野和跨文化交流能力。M11项目管理L12终身学习1.学会进行自我学习和自我提升，不断提高自身的专业水平和创新能力。2.学会进行终身学习和职业发展规划，不断拓展职业领域和发展空间。H注：“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述。“关联程度”栏中字母表示二者关联程度。关联程度按高关联、中关联、低关联三档分别表示为“H”“M”或“L”。“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关。四、课程教学内容章节名称主要内容重难点关键词学时类型1绪论什么是数字图像处理数字图像处理的起源数字图像处理技术应用领域实例数字图像处理的基本步骤图像处理系统的组成了解数字图像的概念。大致了解数字图像处理领域的历史。了解数字图像处理的定义和范围。了解电磁波谱与图像产生关系的基本知识。了解应用数字图像处理方法的不同领域。熟悉图像处理的基本过程。熟悉通用数字图像处理系统的组成。熟悉图像处理领域的文献范围。2理论+实操2数字图像基础视觉感知要素光和电磁波谱图像感知与获取图像取样和量化像素间的一些基本关系数字图像处理所用的基本数学工具介绍了解人类视觉的一些重要功能和限制。熟悉电磁能谱，包括光的基本性质。了解如何产生和表示数字图像。理解图像取样与量化的基本知识。熟悉空间和灰度分辨率及它们对图像外观的影响。了解图像像素间的基本几何关系。熟悉数字图像处理所用的主要数学工具。能够应用多种人门的数字图像处理技术。6理论+实操3灰度变换与空间滤波背景一些基本的灰度变换函数直方图处空间滤波基平滑（低通）空间滤波器锐化（高通）空间滤波器低通、高通、带阻和带通滤波器组合使用空间增强方法了解空间域图像处理的意义，以及它与变换域图像处理的区别。熟悉灰度变换所用的主要技术。了解图像直方图的物理意义，以及如何操作直方图来增强图像。了解空间滤波的原理，以及如何形成空间滤波器。了解空间卷积和相关的原理。熟悉空间滤波器的主要类型，以及如何应用它们。了解空间滤波器之间的关系，以及低通滤波器的基本作用。了解如何在单种增强方法无效的情况下组合使用多种增强方法。6理论+实操4频率域滤波背景基本概念取样和取样函数的傅里叶变换单变量的离散傅里叶变换二变量函数的傅里叶变换二维DFT和IDFT的一些性质频率域滤波基础使用低通频率域滤波器平滑图像使用高通滤波器锐化图像选择性滤波快速傅里叶变换了解频率域滤波的含义及其与空间域滤波的区别。熟悉取样、函数重建和混叠等概念。了解频率域卷积及其与滤波的关系。知道如何由空间核获得频率域滤波器函数，反之亦然。能够在频率域中直接构造滤波器传递函数。理解图像填充重要的原因。知道在频率域中执行滤波所需的步骤。了解何时频率域滤波优于空间域滤波。熟悉频率域中的其他滤波技术，如钝化掩蔽和同态滤波。了解快速傅里叶变换的起源和原理，以及如何在图像处理中有效地利用它。6理论+实操5图像复原与重建图像退化/复原处理的一个模型噪声模型只存在噪声的复原——空间滤波使用频率域滤波降低周期噪声线性位置不变退化估计退化函数逆滤波最小均方误差（维纳）滤波约束最小二乘方滤波几何均值滤波由投影重建图像熟悉图像处理过程中所用的各种噪声模型的特点，以及由图像数据来估计定义这些模型的参数的方式。熟悉用于复原（去噪）仅被噪声退化的图像的线性、非线性和自适应空间滤波。知道如何在频率域中应用陷波滤波去除图像中的周期性噪声。了解线性空间不变系统概念的基本知识，以及在频率域中使用它们求解图像复原问题的方式。熟悉正、逆滤波及它们的局限性。了解最小均方误差（维纳）滤波及其相对于正、逆滤波的优点。了解约束最小二乘方滤波。熟悉由投影重建图像的基本知识及其在计算机断层成像中的应用。6理论+实操6彩色图像处理彩色基础彩色模型假彩色图像处理全彩色图像处理基础彩色变换彩色图像平滑和锐化使用彩色分割图像彩色图像中的噪声彩色图像压缩了解颜色和色谱的基本知识。熟悉数字图像处理中使用的几种彩色模型。了解如何在假彩色图像处理中应用基本技术，包括灰度分层和灰度到颜色的变换。熟悉将灰度方法扩展到彩色图像的方法。了解全彩色图像处理的基本知识，包括彩色变换、补色和色调/彩色校正。熟悉噪声在彩色图像处理中的作用。了解如何对彩色图像进行空间滤波。了解彩色在图像分割中的优势。6理论+实操7小波变换和其他图像变换背景基于矩阵的变换相关时间-频率平面的基函数基图像傅里叶相关的变换沃尔什-哈达玛变换斜变换哈尔变换小波变换了解级数展开背景下的图像变换。熟悉各种重要的图像变换和变换基函数。了解正交基和双正交基函数的差别。能够构建离散傅里叶变换、哈特利变换、正弦变换、余弦变换、沃尔什-哈达玛变换、斜变换、哈尔变换的变换矩阵。·能够利用基本矩阵运算来计算传统的图像变换，如傅里叶变换和哈尔变换。了解时间-频率平面及其与小波变换的关系。能够利用滤波器组计算一维和二维快速小波变换（FWT）。了解小波包表示。熟悉图像处理中离散正交变换的使用。6理论+实操8图像压缩和水印基础霍夫曼编码Golomb编码算术编码LZW编码行程编码基于符号的编码比特平面编码块变换编码预测编码小波编码数字图像水印能够度量数字图像中的信息量。了解数字图像中数据冗余的主要来源。了解有损压缩和无误差压缩之间的区别，以及每种压缩可能实现的压缩量。熟悉当今流行的图像压缩标准，如JPEG和JPEG-2000。了解主要的图像压缩方法及它们的工作原理。能够压缩和解压缩灰度、彩色和视频图像。了解可见、不可见、鲁棒、脆弱、公有、私有、受限密钥和不受限密钥水印之间的区别。了解在空间域和变换域中插人与提取水印的基本知识。6理论+实操9形态学图像处理预备知识腐蚀和膨胀开运算与闭运算击中-击不中变换一些基本的形态学算法形态学重建二值图像形态学运算小结灰度级形态学了解数学形态学的基本概念，知道如何用它们进行数字图像处理。熟悉二值图像形态学处理所用的工具（如腐蚀、膨胀、开运算、闭运算)，知道如何将它们组合为更复杂的工具。能够根据二值图像形态学处理开发算法，执行形态学平滑、边缘检测、提取连通分量和骨架化等任务。熟悉如何将二值图像形态学处理扩展到灰度图像。能够为纹理分割、粒度测量、灰度图像梯度计算等任务开发处理灰度图像的算法。6理论+实操10图像分割基础知识点、线和边缘检测阈值处理使用区域生长、区域分离与聚合进行分割使用聚类和超像素的区域分割使用图割分割区域使用形态学分水岭分割图像分割中运动的使用了解实践中发现的各类边缘的特点。了解如何使用空间滤波进行边缘检测。熟悉超越空间滤波范畴的其他边缘检测方法。了解几种不同的图像阈值处理方法。知道如何结合阈值处理和空间滤波来改进分割。熟悉基于区域的分割，包括聚类和超像素分割。了解如何使用图割和形态学分水岭进行分割。熟悉在图像分割中使用运动的几种基本技术。6理论+实操11特征提取背景边界预处理边界特征描述子区域特征描述子作为特征描述子的主分量整体图像特征尺度不变特征变换（SIFT）了解适合于图像处理的各类特征的含义和适用性。了解特征向量和特征空间的概念，并了解如何将它们与本章开发的各种描述子关联起来。熟悉特征提取算法中所用的数学工具。熟悉各种特征提取方法的局限性。了解求解特征提取问题的主要步骤。能够表述特征提取算法。了解具体应用中能够成功提取的特征。4理论+实操12图像模式分类背景模式与模式类原型匹配模式分类最优（贝叶斯）统计分类器神经网络与深度学习深度卷积神经网络实现的一些附加细节了解模式和模式类（别）的含义及它们与数字图像处理的关系。熟悉最小距离分类的基础知识。了解如何应用图像相关技术进行模板匹配。了解串匹配的概念。熟悉贝叶斯分类器。了解感知器及其历史。熟悉如何由训练样本进行学习。了解神经网络的结构。熟悉全连接深度卷积神经网络中的深度学习概念，尤其是后者在数字图像处理中的重要性。4理论+实操五、考核要求及成绩评定序号成绩类别考核方式考核要求权重（%）备注1期末成绩期末考试考试50百分制，60分为及格2平时成绩课后作业1040优、良、中、及格、不及格3平时表现出勤情况10两次未参加课程则无法获得学分注：此表中内容为该课程的全部考核方式及其相关信息。六、学生学习建议学习方法建议进行练习和实践，提高自己的技能和应用能力，加深对知识的理解和记忆。通过开展课堂讨论、实践活动，增强的团队协作能力，学会如何与他人合作、沟通、协调等等。依据专业教学标准，结合岗位技能职业标准，通过案例展开学习，将每个项目分成多个任务，系统化地学习。学生课外阅读参考资料数字图像处理：第四版/（美）拉斐尔·C.冈萨雷斯（RafaelC.Gonzalez)，（美）理查德·E.伍兹（RichardE.Woods）著；阮秋琦等译.—北京：电子工业出版社，2020.5七、课程改革与建设本课程扩