第頁《圖像理解與計算機視覺》教學大綱

課程編號：EE4221148課程名稱：圖像理解與計算機視覺

英文名稱：Imageunderstandingandcomputervision學時：

46

學分：3課程類型：限選

課程性質：專業課適用專業：智能科學與技術及相關專業

先修課程：信號與系統、數字信號處理開課學期：第6學期

開課院系：智能科學與技術系

課程的教學目標與任務《圖像理解與計算機視覺》是一門涉及多個交叉學科領域的課程。本課程側重于圖像理解和計算機視覺中的基本理論，課程主要側重對圖像處理、目標識別以及計算機視覺方面的理論和應用進行系統介紹。目標是使學生學習了本課程之后，對圖像理解和計算機視覺的基本理論，尤其是圖像處理的概念、基本原理以及解決問題的基本思想方法有一個較為全面的了解和領會；學習計算機視覺的基本理論和技術，了解各種智能圖像處理與計算機視覺技術的相關應用；具備解決智能化檢測與識別、控制等應用問題的初步能力，為以后從事模式識別、計算機視覺、圖像通訊、多媒體技術等領域的研究與開發工作打下扎實的基礎。

本課程與其它課程的聯系和分工為了學好本課程，學生應先修：高等數學、概率論、積分變換、離散數學；高級語言程序設計、面向對象程序設計、算法與分析等課程；信號與系統、數字信號處理等課程。

課程內容及基本要求（一）緒論(2學時)介紹圖像處理的基本概念和圖像理解的基本內容和內涵。1.基本要求（1）了解數字圖像的來源和真實世界的對應關系；（2）了解圖像處理的基本概念；（3）了解圖像理解的基本內容。2.重點、難點重點：數字圖像的獲取、存儲、傳輸、處理、顯示和應用。難點：圖像理解的基本內容。3.說明該章從現實生活中人們對圖像的認識形象的講解數字圖像的重點和難點。（二）圖像與視覺系統(2學時)講授人類視覺系統基本構造和模型，亮度視覺與顏色視覺的基本概念、模型及視覺特性。1.基本要求（1）了解人類視覺系統的基本構造，熟練掌握視網膜的構造和功能以及人類視覺通路模型；（2）熟練掌握人眼的單色視覺模型和彩色視覺模型；（3）熟練掌握色彩的基本屬性，了解光度學和色度學的基本概念和原理；（4）掌握亮度和顏色感覺的視覺特性。2.重點、難點重點：視網膜構造和功能、色彩的屬性、亮度和顏色的視覺特性。難點：光度學和色度學的基本概念和原理3．說明該章以生物視覺和生物感知為主，講解時以生物解剖彩圖和多媒體演示為手段。（三）圖像分析基礎和圖像變換(5學時)講授圖像信號的數學表示，圖像的采樣和量化，圖像像素的基本概念及相關概念，基本圖像運算，圖像的線性系統理論，二維傅立葉變換及其基本性質，快速傅立葉變換，離散余弦變換，離散沃爾什變換，K-L變換，離散小波變換以及其他的二維正交變換。1.基本要求（1）熟練掌握圖像信號的采樣和量化；（2）熟練掌握圖像的灰度直方圖；（3）熟練掌握圖像象素的基本概念及象素的鄰域、象素間的連通性、象素間的距離度量；（4）掌握圖像的點運算、代數運算和幾何運算；（5）掌握線性系統的基本性質，了解二維線性平移不變系統；（6）掌握圖像的卷積計算，了解圖像的統計特性；（7）熟練掌握二維傅立葉變換及其基本性質；（8）掌握二維正交變換的一般表示形式，了解二維離散余弦變換、二維離散沃爾什變換、K-L變換等；（9）了解二維離散小波變換。2.重點、難點重點：圖像的采樣和量化、圖像灰度直方圖、圖像象素的鄰域、象素間的距離度量、二維離散傅立葉變換、二維離散余弦變換。難點：圖像象素的鄰域、圖像的點運算和代數運算、二維離散小波變換。3．說明該章為進行數字圖像處理的基礎，講解時以清晰明確的基本概念和基本定義為主，輔以簡單的計算例題，講解圖像變換計算時以基本變換公式定義為主。（四）圖像增強和恢復(5學時)講授圖像的空域增強技術，頻域增強技術，圖像退化的基本模型及圖像恢復的基本思想，圖像恢復的基本技術。1.基本要求（1）了解基本的圖像空域變換，掌握直方圖均衡化和直方圖規定化；（2）熟練掌握基本的圖像空域濾波技術（平滑濾波器和銳化濾波器）；（3）掌握常用的圖像頻域濾波技術（低通濾波器和高通濾波器，帶通和帶阻濾波器，同態濾波）；（4）熟練掌握圖像退化的數學模型；（5）掌握圖像復原的逆濾波方法，掌握維納濾波復原方法；（6）了解功率譜與點擴散函數。2.重點、難點重點：直方圖均衡化和規定化、平滑濾波器和銳化濾波器、同態濾波、圖像退化的數學模型、逆濾波。難點：直方圖規定化、同態濾波、逆濾波。3．說明該章講解時以數學思想為主，濾波和逆濾波的計算過程可以跳躍式講解，課下學生自學。（五）彩色和多光譜圖像處理(3學時)講授彩色圖像處理（增強和復原等），基于顏色特征的圖像檢索，多光譜圖像處理，影像融合，遙感超光譜圖像處理1.基本要求（1）了解彩色和多光譜圖像處理技術、掌握多傳感器圖像融合的基本技術；（2）了解超譜圖像處理。2.重點、難點重點：彩色圖像處理技術、多傳感器圖像融合技術。難點：彩色圖像增強和復原。3．說明該章講解主要以多種形式的圖像處理技術的基本原理為主，目的為開闊學生視野和思路。（六）圖像分割(6學時)講授視覺認知模式，基于邊緣的圖像分割技術，基于區域的圖像分割技術，圖像分割評價。1.基本要求（1）了解人類視覺的認知模式（模板匹配、特征分析、結構描述等）；（2）熟練掌握基于邊界的基本圖像分割技術（邊緣檢測、微分算子、哈夫變換、圖搜索、動態規劃等）；（3）熟練掌握基于區域的基本圖像分割技術（閾值分割、區域標記、區域生長、分裂合并等）；（4）掌握基本的圖像分割評價方法和測度等。2.重點、難點重點：邊緣檢測、微分算子、閾值分割、區域生長、評價測度等。難點：哈夫變換、分裂合并。3．說明該章內容以各種分割技術為主，上機實驗時要求學生對各種技術進行實際操作練習。（七）紋理分析(4學時)講授紋理分析統計方法，有序紋理的結構分析，基于模型的紋理分析，從紋理恢復形狀。1.基本要求（1）了解紋理的特點；（2）熟練掌握基于灰度共生矩陣的紋理分析技術；（3）掌握基于模型的紋理分析技術；（4）了解從紋理恢復形狀的方法。2.重點、難點重點：基于灰度共生矩陣的紋理分析等。難點：從紋理恢復形狀。3．說明該章內容以各種紋理分析技術為主，上機實驗時可以要求學生從中選擇一種技術進行實際操作練習。（八）圖像識別(6學時)講授圖像目標特征的提取與表達，圖像目標特征的描述，圖像目標的分類和估計。1.基本要求（1）熟練掌握圖像目標的邊界特征的表達、測量及描述方法（鏈碼、邊界段、標記、形狀樹、矩、傅立葉描述符）；（2）熟練掌握圖像目標的區域特征的特征表達、測量及描述方法（空間占有數組、四叉樹、骨架、拓撲描述符、形狀描述符、紋理描述符、不變矩）；（3）掌握特征提取和特征選擇，掌握分類器的設計和訓練，了解一些常用的統計分類方法（最大似然估計、Bayes估計、先驗概率方法等），比例估計；（4）了解一些新的圖像分類識別方法（神經網絡分類、馬爾科夫隨機場等）。2.重點、難點重點：邊界特征及區域特征的表達、測量和描述方法，分類器。難點：分類器（九）圖像識別應用(3學時)講授生物醫學圖像特征分析、分割與識別，雷達圖像處理與識別，地學遙感圖像分析與識別。1.基本要求（1）了解生物醫學圖像的特征分析、分割與識別的常用技術；（2）了解雷達圖像及其他軍事圖像的分析與識別的常用技術；（3）了解地學遙感圖像分析與識別技術；（4）了解其他相關的圖像分析與識別技術。2.重點、難點重點：生物醫學圖像的特征分析、分割與識別技術。難點：雷達圖像的分析與識別技術。3．說明本章著重于多種圖像分析與識別技術的實際應用介紹，以學生自學為主。（十）計算機視覺的高層感知(4學時)講授匹配和理解，計算機視覺計算理論、計算機視覺的基本概念；Marr視覺計算理論；計算機視覺的應用；計算機視覺的研究內容與面臨的困難、與其它學科的關系。1.基本要求（1）熟練掌握模板匹配，掌握目標匹配（字符串匹配、特征點匹配、形狀數匹配等）和特征內容匹配（顏色匹配、紋理匹配和形狀匹配等），了解關系匹配；（2）熟練掌握計算機視覺的基本概念和內容，掌握Marr視覺計算理論的三個層次，了解計算機視覺的相關學科和應用領域；（3）掌握計算機視覺計算理論，了解計算機視覺信息系統模型；（4）了解具體的智能圖像信息分析系統。2.重點、難點重點：模板匹配、特征匹配、計算機視覺的基本概念、視覺計算理論、視覺信息系統模型。難點：特征匹配、Marr視覺計算理論、視覺計算理論。3．說明本章內容以計算機視覺的高層感知為主，重點在圖像匹配和計算機視覺計算的介紹上，講解時做到簡單清晰地概述即可，計算機視覺的基礎應從大領域和其它相關學科的關系上講解。教學安排及方式總學時46學時，講課40學時，實驗（或上機或多種形式教學）12機時。表1智能圖像處理課程教學分配表

教學環節教學時數課程內容講

課實

驗習題課討論課上

機參觀或看錄像小

計緒論2

4圖像與視覺系統2

2

2+2圖像分析基礎和圖像變換5

2

5+2圖像增強和恢復5

2

5+2彩色和多光譜圖像處理3

3圖像分割6

2

6+2紋理分析4

2

4+2圖像識別6

2

6+2圖像識別應用3

3計算機視覺高層感知4

4合計39

12

40+12

作業主要側重于對基本概念、基本處理技術的理解和掌握。上機實驗為12機時：在計算機上完成8～10道圖像處理實驗習題。目的是為了增強對圖像處理和計算機視覺的感性認識，掌握一些基本實現方法。表2智能圖像處理實驗課內容及所需設備

實驗內容時數所需儀器、設備實驗一編程環境與圖像讀寫2多媒體計算機實驗二圖像與視覺系統2多媒體計算機實驗三圖像變換2多媒體計算機實驗四圖像增強2多媒體計算機實驗五圖像濾波2多媒體計算機實驗六圖像分析與理解2多媒體計算機

考核方式

筆試（閉卷）與上機實驗相結合。各教學環節占總分的比例:平時測驗及作業占10%，上機實驗占20%，期末筆試占70%。推薦