數字圖像處理課程教學改革研究

導語：數字圖像處理課程教學改革研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:隨著人工智能技術的大力發展，數字圖像處理技術呈現出方法更新速度快、應用場景多、領域交叉融合等特點，傳統的數字圖像處理技術課程教學難以滿足學科發展的新趨勢。本文主要從課程內容優化、教學方法改革、實驗教學設置等三個方面探討人工智能視域下數字圖像處理課程的教學改革，旨在突破傳統教學內容與方法的局限，滿足培養創新實踐人才的需要。

關鍵詞:人工智能；數字圖像處理；創新能力；任務驅動

1引言

目前，人工智能發展飛速，并深刻地改變著人類的社會生活。人工智能技術的開發和利用，已為人類創造出巨大的社會和經濟效益，幾乎滲透到包括移動互聯網、智能終端、工業制造、醫療輔助診斷、自動化控制、智能機器人等在內的各個領域，正有力地促進著經濟社會的發展。在教育部倡導大力發展新工科、新醫科的背景下，人工智能與各個學科的融合起著重要的作用[1]。因此，在人工智能新視域下，如何在課程教學改革中突破傳統教學內容與方法的局限，優化課程內容與創新實踐人才教學模式，滿足人工智能創新性、跨學科、復合型人才培養的需求，是目前課程教學改革過程中面臨的關鍵問題?！稊底謭D像處理》是通信工程、計算機、醫學影像技術等多個專業的專業選修課。數字圖像處理是信息科學領域的一項高新技術，是對圖像進行去噪、增強、復原、分割、壓縮等處理的基本方法、技術和手段，以及對圖像信息的表示、內在聯系和本質規律進行研究的技術。隨著科技進步與人工智能技術的發展，數字圖像技術被逐漸應用于醫學、農業、制造業、航天航空、軍事等諸多領域，呈現出與多個學科交叉融合的特點，并成為計算機視覺研究領域的核心基礎。由此可見，數字圖像處理技術的發展與人工智能密不可分。因此，在《數字圖像處理》課程教學過程中，應該高度結合人工智能學科背景，融入前沿理論技術，與計算機視覺現實應用場景相結合，培養創新實踐人才。然而，目前《數字圖像處理》課堂教學中大多采用傳統教學模式，較難滿足培養學生創新實踐能力的需求，體現在以下幾個方面：（1）教材內容大多比較陳舊。一些基礎的算法在實際應用中早已過時，未能體現最新技術發展的動態，也缺少人工智能領域的前沿應用場景講解。（2）理論教學知識點過于分散化。在傳統的教學中，教師通常對單個知識點進行逐一講解，從數學背景到公式推導，理論性較強。這讓學生理解困難，且使他們失去了對知識模塊之間聯系性的掌握，尤其在面對實際復雜應用場景時束手無策。（3）實驗教學薄弱，實驗工具單一化。目前《數字圖像處理》實驗教學多以驗證性或演示性實驗為主，難以培養學生創新思維與解決實際問題的能力。實驗工具大多采用MATLAB編程。MATLAB雖然編程環境簡單、圖像處理功能完善，但它在人工智能算法研發上與Python編程相比尚有許多不足之處。（4）課程教學未體現學科交叉融合的特點。數字圖像處理技術課程涉及學科高度交叉融合，在課堂教學中應充分融合醫學影像、地理遙感等領域知識，培養學生交叉學科知識的融合應用能力。鑒于此，本文主要從課程教學內容優化、教學方法改革、實驗教學實施等方面探討結合人工智能學科背景的《數字圖像處理》課程的教學改革，并提升學生的創新與實踐能力，優化課程內容，強化以人工智能應用場景為指導的實踐教學，多向融合交叉學科，以期解決現有教學過程中存在的不足。

2研究現狀分析

2.1數字圖像處理關鍵技術發展現狀。數字圖像處理技術主要包括圖像數字化、圖像增強與復原、圖像壓縮與分割、圖像特征提取以及圖像識別等一系列圖像處理高級應用。隨著人工智能的發展，許多數字圖像基礎理論已更新，并呈現出新的發展勢態。在人工智能背景下，總結數字圖像處理技術發展趨勢，大致可分為三個方面：一是新方法與新理論層出不窮，迭代更新的速度很快。例如，大量的視覺特征描述算子被提出、卷積神經網絡等深度學習方法日益流行。二是應用場景向多元化和智能化發展。數字圖像處理技術的應用場景不僅深入到智能手機、隨身設備等日常生活領域，而且與醫學、遙感、軍事等領域的應用結合也日益廣泛。圖像處理技術與智能化的融合是發展的新趨勢。三是硬件設備下移以及機器人視角。自動駕駛汽車、智能機器人等軟硬件結合的人工智能對數字圖像處理技術提出了更高的要求，需要同時兼顧算法在嵌入式設備下移的效率。通過上述現狀分析可知，數字圖像處理技術已得到飛速發展，而《數字圖像處理》課程還停留在傳統模式，難以體現理論技術的應用性與先進性，也無法滿足行業對人工智能人才的需要。2.2數字圖像處理課程教學改革研究現狀。部分國內外學者已對《數字圖像處理》課程教學改革進行了頗有成效的探索。S.Kiraly研究了一種融合了教學項目、評估系統和教學案例的信息化教學工具，以提高數字圖像處理課程的教學效率[2]。王忠芝等探討了動態教學演示法、啟發式教學方法等多種教學方法，以增強理論教學效果[3]。杜號軍結合了LabView虛擬平臺的情景教學模式和MATLAB的語言編程優勢，提出了數字圖像處理實驗教學的新方法[4]。王云峰進行了基于PBL(Problem-BasedLearning)教學模式的數字圖像處理實踐教學改革方案的探索，并設計了相關教學方案[5]。孫曾國等基于Blackboard網絡教學平臺探討了項目小組教學模式在數字圖像處理課程中的應用，從項目分組、教學過程、考核評價等方面提出了教學改革方案[6]。目前教學改革方法大多是從教學方法和教學工具上進行改革，對教學內容進行優化的探索較少，相對缺少融合人工智能新概念的課程內容優化，亦未能體現學科交叉融合的特點。

3教學改革探討

3.1課程教學內容優化?！稊底謭D像處理》課程教學普遍存在理論性偏重、許多教學內容陳舊、不少算法已過時的問題，無法與時俱進，也沒有涉及人工智能和圖像處理領域的最新研究成果。在面臨真實的人工智能及圖像處理應用場景時，學生難以將在課程中學到的知識應用到實踐中。這在很大程度上限制了學生理論聯系實際的能力以及創新思維的發展。下面從基礎理論更新與優化、前沿研究成果擴充兩方面探討《數字圖像處理》課程理論教學內容的優化。首先，在基礎理論方面，刪減部分陳舊的、在實際應用中效率低下的圖像處理方法，引入時下流行的、高效的方法作為更新，完善教學內容，使其符合人工智能發展的特點。如表1所示，以圖像特征表示章節為例，擬對顏色、形狀、紋理、區域描述方法等知識模塊進行教學內容優化，引入時下高效的、流行的算法替換部分陳舊的算法，使教學內容符合人工智能技術應用發展的需要。例如，現有教學內容中多數將灰度差分統計等作為紋理特征的主要知識點，但該方法因其性能低下而難以滿足實際需求，早已不被現實應用所采納。而目前人工智能領域廣泛使用的局部二值模式(Localbinarypattern,LBP)系列紋理描述方法[7]，因其計算簡單、魯棒性強等特點被成功應用人臉識別、醫學圖像分析諸多場景中。因此，選擇局部二值模式及其改進方法作為優化后的紋理描述方法，既從理論方面介紹紋理特征經典描述方法、存在的缺陷以及改進動機，激發學生的創新思維；又在應用層面可直接應用于圖像識別等人工智能應用場景，培養學生的實踐能力，同時為學生參加各項學科競賽、從事科學研究工作奠定基礎。表1還展示了其他優化后的部分知識模塊。這些知識模塊都是目前實際應用場景中廣泛流行的基礎理論，難度適中，完全適用于本科階段教學。其次，引入圖像處理與計算機視覺領域最新的研究成果，形成以圖像預處理、圖像增強、圖像分割、圖像特征提取、經典高層應用等為基礎授課內容，以新算法、新思想、新應用為創新授課內容。其中經典高層應用包括圖像檢索與分類；新算法包括視覺詞袋模型、卷積神經網絡等目前流行的方法；新思想包括大數據與深度學習的思想；新應用包括智能HDR、圖像去霧等與現實生活聯系緊密的實際應用。以此優化教學大綱，兼顧基礎，聯系實際，突出前沿，提升學生的人工智能視野與水平，為培養實踐創新能力奠定基礎。3.2教學方法改革。傳統《數字圖像處理》課程注重基礎理論的講解，許多知識點理論性較強，公式推導復雜，學生常常難以理解。此外，傳統教學過程中，常常將多個理論內容拆分講解，彼此獨立。這種方式雖然針對性較強，但缺乏對知識模塊之間關聯性的理解，學生難以形成以應用驅動為導向的知識網絡，使得教學效果不理想。而事實上，在現實應用場景中，往往需要對數字圖像處理技術中的多個知識模塊進行綜合應用，而不只是某個單一理論知識的使用。例如，在經典的人臉識別案例中，不僅涉及圖像預處理、目標分割、特征提取、目標識別等多個環節，而且后一個環節還依賴于前一個環節的處理結果。為此，本文探討一種基于任務驅動和交叉融合的課堂教學方法，鼓勵學生轉變被動學習的模式，使其有目的性、針對性地去解決一些與專業方向及人工智能領域相關的課題任務。具體來說，任務驅動模式是以實際應用場景或者人工智能任務需求為驅動，以發展探究思維為目標，以學科的基本結構為內容，促使學生構建自主思考、探究實踐的學習體系。而交叉融合教學方法是指，在具體的任務驅動設置中，注重前沿學術成果與課程內容的融合、課內教學與課外實踐的融合、創新性實驗與學科競賽的融合、跨學科領域任務的融合等，旨在充分融合前沿科學技術與交叉學科領域，充分調動學生主觀能動性和探究實踐欲望，開展一系列卓有成效的技術課題探究。具體實施要點包括：（1）通過結合課程知識點，創設課題情景，選擇與當前學習主題密切相關的應用問題，引導學生帶著真實的“任務”進入學習情境，使得學習更為直觀和形象化。（2）以任務為主線，在老師的充分講解與指導下，強調自主學習與協作學習，老師對任務驅動的學習過程進行把關。（3）充分挖掘與本課程緊密關聯的醫學影像、遙感圖像、工業圖像等交叉領域問題，進行有機融合，實現人工智能技術創新的問題分析、模型構建、設計和解決，實現基于任務驅動的多學科交叉知識融合應用。如表2所示，本文給出通信電子類《數字圖像處理》課程的部分任務驅動技術課題。其中涉及圖像增強、復原、分割、特征提取等多個核心章節，并在一個任務中實現了多個知識點的關聯，并且任務均來自遙感、醫學、農業、工業等領域的具體人工智能應用場景。3.3實驗教學實施。實驗教學是培養學生實踐與創新能力的重要組成部分。在實驗設置、工具使用、實驗數據、嵌入式下移教學、第二課堂等方面對實驗教學進行優化。具體實施要點如下：（1）在實驗設置方面，除了保留部分少數驗證性實驗，還增加設計綜合性實驗、開放性實驗。設計綜合性實驗主要為圖像分割、圖像檢索、手寫字識別等數字圖像處理與計算機視覺領域的經典應用，旨在鍛煉學生利用核心算法，融會貫通、解決問題的能力。開放性實驗，以當前人工智能領域的熱點任務為內容，結合教學單位的科研優勢與生產實踐，進行創新性專題實驗，鼓勵學生學習和挖掘授課內容以外的新方法，培養學生的創新能力。（2）在實驗工具方面，主要以MATLAB作為驗證性實驗工具，主要以Python作為設計綜合性與開放性實驗工具，同時鼓勵學生在實驗實訓過程中使用Tensorflow、Keras等深度學習算法開發工具。（3）在實驗教學數據方面，充分體現《數字圖像處理》課程學科交叉的特點。例如，借助教學單位附屬醫院影像科大量的真實醫學數據，融入實驗教學項目，開展交叉學科實驗教學與實驗實訓。（4）開展嵌入式下移實驗教學，形成人工智能新視域下數字圖像處理軟件+硬件的應用技術教學閉環。以通信電子類專業培養方案為例，通常來說，《數字圖像處理》的前驅課程包含了諸多硬件類的課程，可充分滿足嵌入式下移實驗的知識儲備。例如，可通過嵌入式設備下移圖像分割等算法，連接攝像頭，實現“實時圖像分割”等應用場景。通過開展嵌入式下移實驗教學，形成專業培養的系統知識網絡，培養學生軟硬兼備的實踐創新能力。（5）開展第二課堂實驗教學，使得對本學科感興趣的優秀學生能夠得到進一步的發展機會。利用開放實驗室、人工智能興趣小組、參與指導老師科研項目等多種形式，挖掘創新課題，提出解決問題的思路、方案，設計相應算法，完成創新性實驗作品，從而讓學生在這個過程中得到創新與實踐能力的提升。

4總結

在人工智能大力發展的背景下，本文首先分析了數字圖像處理技術的研究現狀和發展趨勢，從理論與應用層面闡述了數字圖像處理課程教學改革面臨的挑戰。接著從課程內容優化、教學方法改革、實驗教學實施等三個方面論述了人工智能視域下數字圖像處理教學改革的實施要點與改革舉措。本文研究成果可以有效地優化、完善數字圖像處理課程的教學內容與方法，為培養具有人工智能研發能力的創新實踐人才提供助力。

作者:劉東 方芳 單位:湘南學院軟件與通信工程學院