向德辉

（苏州大学电子信息学院，江苏 苏州 215006）

0 引言

2012年，AlexNet在ImageNet大型图像识别挑战赛中精度了显著的精度提升，这是卷积神经网络在图像处理中取得的第一次巨大成功。后来，更多的网络模型比如Unet，VGGNet，GoogLeNet和ResNet相继被提出并进一步成功地应用于图像处理领域。人工智能技术的学习与研究成为热点，多媒体、互联网、医学、制造业和遥感等许多行业也因此正在发生着前所未有的变化，其中图像处理技术的蓬勃发展尤为突出。

数字图像处理是信息学领域的热门方向，也是电子信息、计算机、医学影像等多个专业的重要课程，并涉及多门学科领域包括数学、模式识别、计算机科学、物理学以及机器学习等。通过学习本课程，信息类专业的本科生不仅可以掌握图像处理的基本概念和原理，而且可以结合实验与应用体会到创新的乐趣。由于数字图像处理课程涉及了众多学科，内容多，交叉性强，技术更新速度快，理论晦涩难懂，实践要求高，学生在学习这门课程中容易产生厌学、弃学的情绪，因此，如何改进教学内容与教学模式，顺应新技术的发展，激发学生的学习兴趣，提高教学效率，是这门课程实践教学和研究中需要考虑的重要问题。本文旨在探讨和构建数字图像处理课程的教学模式，不仅重视课程的基础理论教学，而且也要增强大学生的工程实践与创新能力。

1 传统教学中的存在问题

传统教学中，教师一般按照教材中数字图像基础、图像增强、频率域滤波、图像复原与重构、图像分割等章节依次讲授知识点，重点介绍数字图像处理的数学理论、算法流程、实验演示以及验证。……