基于PBL模式的数字图像处理课程教学优化探讨

李亚楠 王海晖 刘黎志

[摘 要] 针对数字图像处理课程教学现状与“新工科”专业人才培养不匹配的问题，分析数字图像处理课程的特点，提出了基于PBL模式的课程教学优化措施。在优化教学内容、教学手段和考核方式的同时，强调采用问题驱动法引导学生学以致用，激发学生学习兴趣，培养学生创新意识和创新思维，使其逐渐形成观察、思考和解决有关理论和实践问题的能力。

[关键词] 数字图像处理;PBL模式;新工科;教学改革

[基金项目] 2017年度湖北省高等教育教学改革研究项目“新工科视域下的计算机类专业建设及工程型人才培养的研究与实践”（2017323）

[作者简介] 李亚楠（1990—），女，辽宁大连人，工学博士，武汉工程大学计算机科学与工程学院讲师，硕士生导师，主要从事计算机视觉、数字图像处理、模式识别等研究;王海晖（通信作者）（1969—），男，河北石家庄人，工学博士，武汉工程大学教务处处长，教授，硕士生导师，主要从事数字图像处理、计算机视觉、人工智能理论与应用、智能计算等研究;刘黎志（1973—），男，湖北武汉人，工学硕士，武汉工程大学计算机科学与工程学院计算机科学与技术教研室主任，副教授，硕士生导师，主要从事云计算、大数据、集群环境下的机器学习及数据建模，基于移动互联网的系统开发及应用研究。

[中图分类号] G642.0    [文献标识码] A    [文章编号] 1674-9324（2020）36-0251-03    [收稿日期] 2019-12-22

近年来，人工智能相关技术的迅猛发展使其成为推动新一轮科技和产业革命的重要驱动力之一，而随之带来的巨大人才缺口也逐渐成为高校相关专业亟待解决的问题。在“新工科”背景下，如何以“新模式”让学生了解并掌握“新技术”，从而为人工智能等新行业培养实践创新能力强的专业人才，是高校相关学科教师教学过程中关注的焦点。

数字图像处理作为信息学科的专业基础课[1]，既是学生了解人工智能、计算机视觉等领域的敲门砖和奠基石，又可作为学生深入学习的研究方向，具有知识点丰富、概念理解难、技术发展迅速等特点，其相关技术在很多领域都具有重要作用。笔者从提升人才培养质量的角度出发，通过分析数字图像处理课程特点与现状，了解PBL模式的主要内涵，阐述数字图像处理课程教学优化的策略及具体改进措施，以达到帮助学生深入理解学习内容，构建知识体系，增强分析解决问题能力的目的。

一、数字图像处理课程的特点与现状分析

数字图像处理是近几年来信息处理技术中发展最快且应用范围最广的课程，呈现出良好的就业前景。起初学生会受课程前景优势或网络环境对“美图”原理好奇心的驱使，容易对本门课程抱有期待和兴趣，但在学习过程中，多数学生往往受困于复杂的数学公式和概念，导致学习兴致消退。

对于课程教材，国内高校主要选用冈萨雷斯教授编纂的数字图像处理[2]系列，内容丰富且理论论证清晰。然而，随着计算机视觉及人工智能技术的高速发展，教材中介绍的基本算法和理论已无法满足实际应用需求。此外，在实际教学过程中笔者发现，虽然教材内容涉猎较多，但章节之间关联性不强，若完全依赖教材章节安排授课，难以让学生构建系统性的知识体系[3]。

考核是检验教与学的效果，反思教学过程和教学方法的重要手段，不同的考核方式也会相应地指导学生如何进行课程学习。传统的数字图像处理课程考核多采用期末闭卷考试与平时考勤、作业及实验报告相结合的方式，忽视了对学生团队协作、知识迁移水平的客观评价，致使部分学生不主动思考，仅仅为了应付考试，自身能力难以得到真正的锻炼。

此外，在数字图像处理领域，对问题的求解通常需要在夯实的理论基础上进行實践操作。目前的教学模式仍然以理论教学为主，并未强调对学生开放性思维进行锻炼，“重理论、轻实践”，在面对实际的图像处理问题时，学生往往束手无策，或者很难找到提高图像质量的最优方案。

二、PBL模式概述

PBL（Problem/Project Based Learning）是基于问题或项目的学习，起源于美国的麦克马斯特大学的医学专业[4]。与传统教学以教学内容为出发点不同，PBL以问题为出发点，全部教学活动的组织和教学策略的选择都是以问题为中心。PBL模仿了人类的学习发生机制，通过创设问题情境，让学生主动发现和解决问题，更能激发学习的兴趣和求知欲。

在PBL模式中，好的问题设计可以帮助学生更好地获取和掌握课程知识，提升问题的解决能力，养成自我导向的学习习惯。因此，问题设计的有效性是PBL教学设计成败的关键[5]。根据维果斯基的“最近发展区理论”，在实际教学过程中，教师应设计与学生知识储备和能力相匹配的问题，让学生能够“跳一跳，摘个桃”。此外，PBL教学可以扩大信息来源，通过师生互动、查阅资料、团队协作、动手实践等方式将教学空间从教室扩展到无限的资源空间，开阔了视野，增加了思维的碰撞[6]。

三、基于PBL模式的数字图像处理课程教学优化措施

结合数字图像处理的教学现状和PBL模式的特点，笔者从教学内容、教学手段和考核方式三个方面提出了教学优化措施。

1.课程教学内容。虽然PBL模式能够发展和培养学生解决问题的能力，但基础知识的系统构建是其基础和理论前提。结合新工科背景下的教学目标和实际学情，数字图像处理课程的主要内容包括：图像及其表达与性质、图像预处理、图像形态学变换、图像数据压缩、图像分割、图像处理工具的应用，以及数字图像处理的最新发展状况。

受课时限制，单纯利用课堂时间和依靠书本教材并不能让学生快速掌握学科基本理论知识，难以达到预期的教学效果;因此，在具体设计理论内容时，要充分考虑到行业技术快速发展带来的影响，把人才培养的目标向前瞻性转变，至少要为学生毕业三到五年内的职业成就做出相应的规划。在备课时，教师需要结合自身的专业知识及多渠道的资源，有选择性地对课程大纲内容进行一定程度的分类和扩展，并要做到逐年更新课件及讲义。对于理论性较强、内容关联程度不高的章节，教师可以对要讲解的内容做一个当前技术发展下的简单分类，为学生构建一个基本的知识框架。例如对于图像分割这一章，图像分割方法可以分为传统的图像分割方法和基于深度学习的图像分割方法。在本科阶段，对于重点讲授的传统图像分割方法可再进行细分，如基于阈值、边缘、区域、聚类等分割方法。

此外，对于教学大纲中章节对应的固定课时安排，在实际课程教学中可以根据学生对知识的掌握情况进行灵活调整和安排。

2.教学手段。在教学过程中，要根据数字图像处理课程具体的教学内容和目标综合运用适合的教学方法和手段，做到教学相长。针对本门课程难度较高、更新换代快、学生入门难以及理论与实践结合程度高的特点，可采用PBL模式教学方法实现课堂由“单向注入式知识传授”向“互动式研究型能力培养”转变。

经典的PBL模式源于医学教学，由组织学习小组、创设问题、执行问题、成果展示和反思评价组成，在其他领域中的应用基本是此基本模式的变形。对于数字图像处理这一门融合了计算机编程、数学分析等知识的课程，从主流理论算法论述到软件的实际运用，都具有极强的理论性和实操性。在实际教学过程中，应该在构建理论知识、教师积极引导的基础上，让学生在实际应用场景中，以解决具有创造性的综合问题为出发点，通过主动学习、组内协作、组间交流掌握专业知识，做到举一反三、拓展思维，以达到教学目标。

由于数字图像处理课程综合性较强，一题多解的现象较多，因此在设计和应用PBL模式时采用重难点全覆盖、方案开放式的问题情境创设方法，在减轻学生畏难情绪的同时，开拓问题解决的思路。因此，笔者将基于PBL模式的教学流程具体分为创设问题情境、组织学习小组、认识分析解决问题、成果展示、交流与评价及反思与总结（如图1所示。在整个教学过程活动中，教师是监管者和引导者，在分析教学内容和全程提供教学指导、资源支持的同时，积极引导学生分组实现一题多解和交流反思。学生则是执行者和创造者，在创设问题情境时可以投入自身的想法和观点，最大限度地激发学生的学习热情和潜能，并根据兴趣组建小组，利用线上线下资源完成问题的分析和解决方案，在成果展示中宣讲获得的知识技能，在交流与反思中对成果进行正确评估，最后对已有方案进行优化和多渠道求解。

3.考核方式。目前数字图像处理课程的考核方法一般包括由作业、实验报告组成的平时成绩考核和卷面期末考核。这种评价方法卷面期末成绩所占比例较高，缺乏对过程性考核的重视，也难以准确评定学生在团队中的贡献及有效作用。因此，针对课程特点和教学实施要求，可以采用个人与团队考核相结合、教师与学生互评相结合的方式，增加过程性考核的比重及有效性。具体而言，课堂的讲解内容通过作业形式完成，由教师测定，主要考查学生在阶段性学习过程中对基本知识的掌握情况，成绩计入总成绩的20%;问题的实验报告及汇报由学生组内互评、组间互评和教师共同测定，主要考查学生能否在团队协作中利用所学的知识对问题进行正确的求解，成绩计入总成绩的40%;期末考试主要考查学生對基本概念的理解、重点知识的运用等，应该增加一些开放性或一题多解的问题，由教师测定，成绩计入总成绩的40%。

四、结语

为了提高新工科背景下图像处理相关专业人才培养质量，增强学生的核心竞争力，笔者在分析现有课程教学现状的基础上，提出了基于PBL模式的课程教学优化措施。这种新模式的应用能够打破书本理论知识与实际应用需求之间的掣肘，充分调动学生的内在动力，大大提升教学效果，着重锻炼学生的自主学习能力、创新能力和团队协作解决问题的能力，为创新创业教学设计提供一定的参考。

参考文献

[1]王鹏.“新工科”背景下数字图像处理实验延展探索[J].工业和信息化教育，2018，69（09）：46-50.

[2]RC.Gonzalez，RE.Woods，SL.Eddins.“国外电子与通信教材系列：数字图像处理（MATLAB版）[M].阮秋琦，译.北京：电子工业出版社，2014（第2版）.

[3]酒明远.人工智能背景下数字图像处理教学方法的两点思考[J].科技风，2019（33）：84-84.

[4]Edstr？觟ma K，Kolmos A.PBL and CDIO：Complementary Models for Engineering Education Development[J].European Journal of Engineering Education，2014，39（5）：539-555.

[5]朱芬娜.基于问题解决的教学在职教本科计算机课程中的应用研究——以《数据库原理与应用》为例[D].昆明：云南大学，2018.

[6]唐金娟.PBL教学模式在影视创意课程中的应用效果分析[J].中外企业家，2020（08）：197.