朱 旗，关东海

（南京航空航天大学计算机科学与技术学院，江苏 南京 211106）

1 图像处理与分析课程教学改革的意义

图像处理与分析是人工智能领域的重要研究内容，是当前众多图像智能应用的技术基础。当今社会的许多智能分析应用需要对图像数据进行分析，对图像处理方面的人才需求巨大，对图像处理与分析相关的课程改革顺应了人工智能相关产业的发展背景[1]。另外，数字图像处理与分析是人工智能与计算机相关专业的重要课程之一，该课程的教学改革对相关专业教育具有重要意义。已有的课程内容设置和教学模式注重对处理方法的知识介绍[2]，对学生的实践能力的培养体现不足。我们提出了一种基于案例驱动的图像处理与分析课程教学改革方法，通过对课程内容和教学模式的创新，提升学生对图像处理方法的实践运用能力。

图像分析，其中包括智能交通、精准医疗、生物特征识别等。

在课堂教学上采用深入浅出的方式介绍复杂的处理方法，并提供大量图像处理的范例和效果展示，有利于学生对处理方法的理解，并培养学生对该领域的学习兴趣和动手实践能力，为今后从事该领域相关研究或应用开发打下基础。并且在前沿技术讨论和课程设计环节引入典型案例，提升学生综合运用图像处理方法的能力。

2 案例驱动的图像处理与分析课堂教学

对于课程内容的改革上，突出对经典图像处理与分析方法的介绍，并融入相关领域的前沿，体现课程的高阶性。图像处理与分析的教学内容涉及图像的基本概念、图像采集与表示、图像的空间域处理、图像的频率域处理、图像增强、图像分割、图像形态学操作、图像压缩等内容[3]。在教学内容上，新增了运动目标检测与跟踪、图像识别与理解案例等。通过对其中每个案例的解析，将应用问题中的具体需求转换为数学模型，详细介绍相关案例的数据预处理、特征提取和分类的过程。引导学生选择适用的图像处理与分析方法。在课堂教学中，充分激发学生的主观能动性，展开对案例处理过程的讨论，加深学生对其中涉及方法的理解和掌握，从而为进一步的图像处理实践任务打下基础。

在每个章节内容的设置上，突出案例教学。通过案例对处理结果及性能进行对比，使得学生理解每种处理方法的特性。例如，将不同滤波器的处理效果同时呈现出来，并且将不同参数的处理结果也融入对比案例中。不仅让学生掌握不同滤波器的特性，而且让学生理解不同滤波器在不同参数下的响应，从而使得教学过程能够真正指导学生进行实践。另外，注重采用先进技术手段，将图像处理方法的重点和难点通过动画的形式解析其中的过程，让学生真正了解处理方法的流程和细节。在案例的选择上，选取具有多种纹理、边缘、拓扑特征的图像[4]作为典型案例，使得处理方法对不同图像特征的处理效果都能得以展现。特别对于一阶和二阶边缘增强算法，通过案例展示出高阶方法对于带有噪声的图像具有较强的敏感性，使得学生能够深刻理解在使用相关边缘增强方法时为什么要进行图像去噪，从而获得更好的处理效果。在形态学方法的教学上，以往的教学方法是通过教师讲授或静态的方法展示使学生理解形态学处理方法，在我们的教学过程中将形态学的处理过程，以及过程中结构元素与目标之间的关系进行动态展示，并能够根据学生理解和反馈的情况，动态控制这些案例的呈现。

在课堂教学环节，随着课程的介绍引入关于知识点的问题，使学生的学习效果能够及时反馈，从而教师能够把握学生掌握知识点的程度。对于通过反馈发现的掌握薄弱的知识点，教师可进行进一步的讲解，使得学生能够理解和掌握。同时，课上的教学内容具有一定的高阶性，在介绍基本的图像分析与处理方法的过程中，引导学生进行思考和创新。包括将已有的方法应用于新的领域，或者针对新问题设计创新的处理方法。在课堂上进行当堂作业，通过引入与课上内容相关的知识点测试，考查学生对知识点的掌握水平。另外进行一定的延展，锻炼学生的创新思维，鼓励学生通过创新的方法解决问题，或者将已有的算法应用于新的领域。另外，在教材的选用上，教师需要经过多方面的比较，选用教学内容完整，可读性强，并被广泛采用的教材。使得学生能够通过课堂上的学习，了解到图像处理分析与处理方法的经典内容，并能够对其中的经典方法进行复现。在教学的章节安排上，教师需要根据学生的基础和教学目标进行重新组织，优化教学环节，循序渐进地进行课堂教学，使得教学过程中前面的知识点能够为后面的知识点进行有效支撑，后面的知识点能够作为前面知识点的延展，并且能够在有限的学时内向学生介绍更多的处理方法。

3 案例驱动的图像处理与分析实践教学

在实践教学环节，通过典型案例的MATLAB源码介绍，使得学生不知掌握图像处理方法和原理，并且使其能够对具体的图像处理问题进行编程实现。例如对不同滤波器的介绍中，传统的教学过程中只涉及滤波器的函数，而我们的课程中将多种滤波器的代码在课堂上进行演示。不仅让学生了解滤波函数的数学表达，更能让学生灵活运用各类滤波函数。对于频域变换方法，我们将频域变换过程的代码在课堂上展现给学生，包括对图像进行预处理，对图像进行傅里叶变换，通过频域滤波保留图像的有用的频域成分，然后对频域信号进行傅里叶逆变换，最后进行图像的后处理。将以上过程的每一步通过代码让学生掌握其应用方法，并将每一步的变换结果在课堂中进行展示，使得学生对频域处理方法这一图像处理与分析课程中的难点进行深刻理解和掌握。此外，我们还在课堂中对典型图像处理工程问题的关键步骤进行代码展示，提高学生的编程水平和解决实际问题的能力。

通过相关讨论课的引入，学生通过阅读选择图像处理相关领域的研究，并在课堂上分享所阅读的文献的背景、所提出的方法和实验结果。通过前沿案例充分调动学习的积极性，将案例中的复杂工程问题的求解过程进行展示，提升学生的实践能力，并有利于学生进一步深刻掌握图像处理方法的特性[5]。另外，在讨论环节的准备过程中，需要学生进行团队配合。例如，同组内一部分同学负责文献调研，一部分同学负责文献阅读，一部分同学负责PPT制作等。另外，采用这种方式能够结合学生的研究兴趣和经验，在所关注的领域进行深入挖掘，充分调动学生的学习积极性，并实现了课堂学习和科研的相互促进。团队共同将一个前沿的处理方法进行学习和展示，提升了学生的分工协作能力。在编程实践环节，通过设计具有代表性和探索性的图像处理任务，让学生针对实际问题选择使用课堂上学习的图像处理方法，并通过查阅文献，对问题中的一些处理环节进行编程解决。相比传统的实验课教学模式，我们的实验课具有更强的创新性，学生能够不拘泥于已有的教学内容，针对所需要解决的问题的特性进行求解。相比单一或简单的图像处理问题，实际应用中的图像处理问题一般较为复杂，需要团队中的每个人发挥自身的特长，共同展现集体的智慧。实际教学中可以发现，学生对具有创新性的图像问题较为感兴趣，能够切身深入参与到问题解决的过程中。

在图像处理与分析及数字图像处理课程中介绍智能框架的基本结构和模型的设计方法。在课程中引入物体识别实验、图像分割实验。在现有智能框架下，进行物体识别与图像分割实验的环境搭建。重点帮助同学熟悉已有智能框架，并鼓励学生在后期的智能模型开发中使用智能框架。通过教学实践发现，学生对有些图像处理方法的原理能够掌握，但是对其编程实践尚有一定的距离，需要通过实验和相关实际操作提升对方法的应用能力。在实验课中介绍编程平台的基本操作，常用的函数等内容，主要时间留给学生进行程序的编写。在实验课中除了能够使得学生能够搭建一般的图像处理环境，而且能够针对具体的图像处理问题进行针对性的应对和解决。

通过课程的开展，学生能够对图像处理方法进行灵活运用，先后开展了图像纹理识别、车牌识别、身份证字符识别等课程设计。在实验题目的选择上，需要考虑其能包含他想处理与分析课程中的经典方法，也能体现出一定的创新性和高阶性。其中掌纹图像识别实验设计能够对掌纹图像进行分类的算法并编程实现。部分图像作为训练集，构建识别模型。其余图像作为测试集，在预测模型统计每张测试图像的预测结果，计算识别准确率。掌纹静脉提取实验，设计从掌纹图像中提取静脉区域的算法并编程实现。程序能够输出原始掌纹图像及标注静脉区域的图像。车牌识别实验能够对车辆图片进行预处理，通过边缘检测方法或模板匹配方法找出车牌位置，对其中的数字和字母区域进行分割，采用阈值化方法将其转换为二值图像，并进行最终的车牌识别。设计字符识别实验，学生根据已有的带有字符图像进行图像增强和去噪，然后对图像进行水平方向的校准以去除拍摄角度问题对字符识别带来的影响，进一步通过投影、特征分析或神经网络等方法对字符区域进行精准标定，然后对其中的每个字符区域进行分割，进而使用不同分类器对字符语义进行识别。通过课程设计的开展，学生不仅掌握了图像处理和智能分析平台的搭建和配置，而且能够综合运用课堂上所学到的知识进行实际问题的解决。根据学生掌握图像处理方法水平的不同，为一部分学有余力的同学提供参与科研项目的机会，使其课程学习与工程实践进行有机结合[6]，相互促进。对学生学习过程中的问题进行答疑，使得对课程中的难点问题进行深入的学习和掌握。

指导学生在智能框架下进行物体识别与图像分割实验的环境搭建。重点帮助同学熟悉智能框架，并鼓励学生在后期的智能模型开发中使用国产框架。通过物体识别实验,使学生掌握计算机视觉中物体识别相关基础知识点，了解物体识别中的图像识别与视频识别，同时掌握深度学习相关基础知识，尤其是卷积神经网络。掌握不同相关的物体识别中比较成熟的物体识别网络的设计原理，熟悉使用深度学习框架。通过图像分割实验，使学生掌握图像分割任务难点，了解如何使用深度学习解决相关问题。掌握不同图像分割神经网络架构的设计原理与核心思想，熟悉使用深度学习框架实现深度学习实验的一般流程[7]，并能够根据处理方法的结果对处理过程进行优化[8]。优化的过程涉及对算法的设计改进以及对参数的调优，使得学生能够对已有算法结合实际需求进行调优，锻炼学生优化图像处理方法的能力。

另外，在对学生学习效果的评价上，通过多维度的学生表现综合考量，包括课堂表现、课后作业、大作业完成情况等融入评价过程中，建立对学生掌握图像处理与分析能力综合评价体系。特别是在对大作业的完成度考核中，除了考量对图像的处理效果外，还要综合评价学生在完成实验过程中对方法的掌握程度，实验报告的表述与书写等方面。在教学过程完成后，对整个教学环节进行深入思考和剖析，结合学生对知识点掌握的程度和反馈进行总结，从而指导以后的教学工作，形成闭环[9]。例如，在以后的教学工作中对以往学生反馈的难点进行更为详细的介绍，并通过更为丰富和生动的案例帮助学生理解其中的数学原理和思维。并结合行业和领域发展前沿[10-11]，对当前的研究热点和技术进行介绍，体现课程的高阶性，并能够进一步激发学生的学习积极积极性，提升教学的效果。

4 总结与展望

通过学习对图像处理与分析的教学改革，可以使学生深入了解和掌握数字图像处理的基本原理和当前主流的处理方法。培养学生解决实际图像处理和分析领域工程问题的能力，为今后学习和科研打下坚实的基础。启发学生对图像识别等任务进行智能分析方法设计，并将其应用于实践。通过介绍图像处理和分析方法和技术的同时，注重融入思政元素。结合我国在图像智能分析领域的发展水平与竞争力，培养学生的荣誉感和使命感。引导和鼓励学生开发针对实际应用的智能分析方法，为实现相关技术的国产替代打下基础。针对复杂的图像分析任务，鼓励学生进行团队协作，树立大局意识，发扬集体主义精神。