教学团队

教学队伍知识结构合理,12名教师的学科均为与图像理解与计算机视觉密切相关的学科。教师队伍博士化率达到100%,其中高级职称占到83%,包括教授5名,副教授5名,讲师2名...更多

SAR图像理解与解译系统

主页 > 教学大纲

 “图像理解与计算机视觉”教学大纲

 

课程编号:EE4221148

课程名称:图像理解与计算机视觉     英文名称:Image understanding and computer vision

学时:    46                        学分:3

课程类型:限选                      课程性质:专业课

适用专业:智能科学与技术及相关专业  先修课程:信号与系统、数字信号处理

开课学期:第6学期                  开课院系:智能科学与技术系

 

  • 课程的教学目标与任务

《图像理解与计算机视觉》是一门涉及多个交叉学科领域的课程。本课程侧重于图像理解和计算机视觉中的基本理论,课程主要侧重对图像处理、目标识别以及计算机视觉方面的理论和应用进行系统介绍。

目标是使学生学习了本课程之后,对图像理解和计算机视觉的基本理论,尤其是图像处理的概念、基本原理以及解决问题的基本思想方法有一个较为全面的了解和领会;学习计算机视觉的基本理论和技术,了解各种智能图像处理与计算机视觉技术的相关应用;具备解决智能化检测与识别、控制等应用问题的初步能力,为以后从事模式识别、计算机视觉、图像通讯、多媒体技术等领域的研究与开发工作打下扎实的基础

 

  • 本课程与其它课程的联系和分工

为了学好本课程,学生应先修:高等数学、概率论、积分变换、离散数学;高级语言程序设计、面向对象程序设计、算法与分析等课程;信号与系统、数字信号处理等课程。

 

  • 课程内容及基本要求

(一)绪论(2学时)

介绍图像处理的基本概念和图像理解的基本内容和内涵。

1. 基本要求

(1)了解数字图像的来源和真实世界的对应关系;

(2)了解图像处理的基本概念;

(3)了解图像理解的基本内容。

2. 重点、难点

重点:数字图像的获取、存储、传输、处理、显示和应用。

难点:图像理解的基本内容。

3. 说明

该章从现实生活中人们对图像的认识形象的讲解数字图像的重点和难点。

(二)图像与视觉系统(2学时)

讲授人类视觉系统基本构造和模型,亮度视觉与颜色视觉的基本概念、模型及视觉特性。

1. 基本要求

(1)了解人类视觉系统的基本构造,熟练掌握视网膜的构造和功能以及人类视觉通路模型;

(2)熟练掌握人眼的单色视觉模型和彩色视觉模型;

(3)熟练掌握色彩的基本属性,了解光度学和色度学的基本概念和原理;

(4)掌握亮度和颜色感觉的视觉特性。

2. 重点、难点

重点:视网膜构造和功能、色彩的属性、亮度和颜色的视觉特性。

难点:光度学和色度学的基本概念和原理

3.说明

该章以生物视觉和生物感知为主,讲解时以生物解剖彩图和多媒体演示为手段。

(三)图像分析基础和图像变换(5学时)

讲授图像信号的数学表示,图像的采样和量化,图像像素的基本概念及相关概念,基本图像运算,图像的线性系统理论,二维傅立叶变换及其基本性质,快速傅立叶变换,离散余弦变换,离散沃尔什变换,K-L变换,离散小波变换以及其他的二维正交变换。

1. 基本要求

(1)熟练掌握图像信号的采样和量化;

(2)熟练掌握图像的灰度直方图;

(3)熟练掌握图像象素的基本概念及象素的邻域、象素间的连通性、象素间的距离度量;

(4)掌握图像的点运算、代数运算和几何运算;

(5)掌握线性系统的基本性质,了解二维线性平移不变系统;

(6)掌握图像的卷积计算,了解图像的统计特性;

(7)熟练掌握二维傅立叶变换及其基本性质;

(8)掌握二维正交变换的一般表示形式,了解二维离散余弦变换、二维离散沃尔什变换、K-L变换等;

(9)了解二维离散小波变换。

2. 重点、难点

重点:图像的采样和量化、图像灰度直方图、图像象素的邻域、象素间的距离度量、二维离散傅立叶变换、二维离散余弦变换。

难点:图像象素的邻域、图像的点运算和代数运算、二维离散小波变换。

3.说明

该章为进行数字图像处理的基础,讲解时以清晰明确的基本概念和基本定义为主,辅以简单的计算例题,讲解图像变换计算时以基本变换公式定义为主。

(四)图像增强和恢复(5学时)

讲授图像的空域增强技术,频域增强技术,图像退化的基本模型及图像恢复的基本思想,图像恢复的基本技术。

1. 基本要求

(1)了解基本的图像空域变换,掌握直方图均衡化和直方图规定化;

(2)熟练掌握基本的图像空域滤波技术(平滑滤波器和锐化滤波器);

(3)掌握常用的图像频域滤波技术(低通滤波器和高通滤波器,带通和带阻滤波器,同态滤波);

(4)熟练掌握图像退化的数学模型;

(5)掌握图像复原的逆滤波方法,掌握维纳滤波复原方法;

(6)了解功率谱与点扩散函数。

2. 重点、难点

重点:直方图均衡化和规定化、平滑滤波器和锐化滤波器、同态滤波、图像退化的数学模型、逆滤波。

难点:直方图规定化、同态滤波、逆滤波。

3.说明

该章讲解时以数学思想为主,滤波和逆滤波的计算过程可以跳跃式讲解,课下学生自学。

(五)彩色和多光谱图像处理(3学时)

讲授彩色图像处理(增强和复原等),基于颜色特征的图像检索,多光谱图像处理,影像融合,遥感超光谱图像处理

1. 基本要求

(1)了解彩色和多光谱图像处理技术、掌握多传感器图像融合的基本技术;

(2)了解超谱图像处理。

2. 重点、难点

重点:彩色图像处理技术、多传感器图像融合技术。

难点:彩色图像增强和复原。

3.说明

该章讲解主要以多种形式的图像处理技术的基本原理为主,目的为开阔学生视野和思路。

(六)图像分割 (6学时)

讲授视觉认知模式,基于边缘的图像分割技术,基于区域的图像分割技术,图像分割评价。

1. 基本要求

(1)了解人类视觉的认知模式(模板匹配、特征分析、结构描述等);

(2)熟练掌握基于边界的基本图像分割技术(边缘检测、微分算子、哈夫变换、图搜索、动态规划等);

(3)熟练掌握基于区域的基本图像分割技术(阈值分割、区域标记、区域生长、分裂合并等);

(4)掌握基本的图像分割评价方法和测度等。

2. 重点、难点

重点:边缘检测、微分算子、阈值分割、区域生长、评价测度等。

难点:哈夫变换、分裂合并。

3.说明

该章内容以各种分割技术为主,上机实验时要求学生对各种技术进行实际操作练习。

(七)纹理分析(4学时)

讲授纹理分析统计方法,有序纹理的结构分析,基于模型的纹理分析,从纹理恢复形状。

1. 基本要求

(1)了解纹理的特点;

(2)熟练掌握基于灰度共生矩阵的纹理分析技术;

(3)掌握基于模型的纹理分析技术;

(4)了解从纹理恢复形状的方法。

2. 重点、难点

重点:基于灰度共生矩阵的纹理分析等。

难点:从纹理恢复形状。

3.说明

该章内容以各种纹理分析技术为主,上机实验时可以要求学生从中选择一种技术进行实际操作练习。

(八)图像识别(6学时)

讲授图像目标特征的提取与表达,图像目标特征的描述,图像目标的分类和估计。

1. 基本要求

(1)熟练掌握图像目标的边界特征的表达、测量及描述方法(链码、边界段、标记、形状树、矩、傅立叶描述符);

(2)熟练掌握图像目标的区域特征的特征表达、测量及描述方法(空间占有数组、四叉树、骨架、拓扑描述符、形状描述符、纹理描述符、不变矩);

(3)掌握特征提取和特征选择,掌握分类器的设计和训练,了解一些常用的统计分类方法(最大似然估计、Bayes估计、先验概率方法等),比例估计;

(4)了解一些新的图像分类识别方法(神经网络分类、马尔科夫随机场等)。

2. 重点、难点

重点:边界特征及区域特征的表达、测量和描述方法,分类器。

难点:分类器

(九)图像识别应用(3学时)

讲授生物医学图像特征分析、分割与识别,雷达图像处理与识别,地学遥感图像分析与识别。

1. 基本要求

(1)了解生物医学图像的特征分析、分割与识别的常用技术;

(2)了解雷达图像及其他军事图像的分析与识别的常用技术;

(3)了解地学遥感图像分析与识别技术;

(4)了解其他相关的图像分析与识别技术。

2. 重点、难点

重点:生物医学图像的特征分析、分割与识别技术。

难点: 雷达图像的分析与识别技术。

3.说明

本章着重于多种图像分析与识别技术的实际应用介绍,以学生自学为主。

(十)计算机视觉的高层感知 (4学时)

讲授匹配和理解,计算机视觉计算理论、计算机视觉的基本概念;Marr视觉计算理论;计算机视觉的应用;计算机视觉的研究内容与面临的困难、与其它学科的关系。

1. 基本要求

(1)熟练掌握模板匹配,掌握目标匹配(字符串匹配、特征点匹配、形状数匹配等)和特征内容匹配(颜色匹配、纹理匹配和形状匹配等),了解关系匹配;

(2)熟练掌握计算机视觉的基本概念和内容,掌握Marr视觉计算理论的三个层次,了解计算机视觉的相关学科和应用领域;

(3)掌握计算机视觉计算理论,了解计算机视觉信息系统模型;

(4)了解具体的智能图像信息分析系统。

2. 重点、难点

重点:模板匹配、特征匹配、计算机视觉的基本概念、视觉计算理论、视觉信息系统模型。

难点:特征匹配、Marr视觉计算理论、视觉计算理论。

3.说明

本章内容以计算机视觉的高层感知为主,重点在图像匹配和计算机视觉计算的介绍上,讲解时做到简单清晰地概述即可,计算机视觉的基础应从大领域和其它相关学科的关系上讲解。

  • 教学安排及方式

总学时46 学时,讲课40 学时,实验(或上机或多种形式教学)12 机时。

表1 智能图像处理课程教学分配表

 

                   教学环节

教学时数

课程内容

讲  课

实  验

习题课

讨论课

上  机

参观或

看录像

小  计

绪论

2

 

 

 

 

 

4

图像与视觉系统

2

 

 

 

2

 

2+2

图像分析基础和图像变换

5

 

 

 

2

 

5+2

图像增强和恢复

5

 

 

 

2

 

5+2

彩色和多光谱图像处理

3

 

 

 

 

 

3

图像分割

6

 

 

 

2

 

6+2

纹理分析

4

 

 

 

2

 

4+2

图像识别

6

 

 

 

2

 

6+2

图像识别应用

3

 

 

 

 

 

3

计算机视觉高层感知

4

 

 

 

 

 

4

合计

39

 

 

 

12

 

40+12

 

作业主要侧重于对基本概念、基本处理技术的理解和掌握。

上机实验为12机时:在计算机上完成8~10道图像处理实验习题。目的是为了增强对图像处理和计算机视觉的感性认识,掌握一些基本实现方法。

表2 智能图像处理实验课内容及所需设备

 

实验内容

时数

所需仪器、设备

实验一 编程环境与图像读写

2

多媒体计算机

实验二 图像与视觉系统

2

多媒体计算机

实验三 图像变换

2

多媒体计算机

实验四 图像增强

2

多媒体计算机

实验五 图像滤波

2

多媒体计算机

实验六 图像分析与理解

2

多媒体计算机

 
  • 考核方式           

笔试(闭卷)与上机实验相结合。

各教学环节占总分的比例:平时测验及作业占10%,上机实验占20%,期末笔试占70%。

  • 推荐教材与参考资料

【1】Milan Sonka(美)等著,艾海舟等译. 图像处理分析与机器视觉(第二版). 北京:人民邮电出版社. 2003.
【2】R. C. Gonzales(美). 阮秋琦等译. 数字图像处理.北京:电子工业出版社,2004.
【3】R. C. Gonzales(美). 阮秋琦等译. 数字图像处理(MATLAB版). 北京:电子工业出版社,2004.
【4】章毓晋著. 图像工程(上、下册). 北京:清华大学出版社. 2006.

 

 

 

=============================