应用型大学研究生课程《数字图像处理》建设初探

【摘要】在应用型大学中，作为电子信息类研究生，需要主修或选修“数字图像处理”课程，该课程在人工智能领域中占据着重要的地位。根据市场需求和应用型研究生人才培养模式，提出“学生主体、教师主导”的课程建设机制。在教学中，建立“互动、开放”的课堂形式，采用启发式、问题式的教学方法，基于项目提出实际问题，在原有的Matlab软件教学实践的基础上，添加Python 软件，提高学生解决基于人工智能技术的图像处理问题的能力，实现教学案例与实践环节的有效融合。本文对教学内容、教学方法、课程实践、考核体系进行深度剖析，对建设研究生教育数字图像处理优质课程具有重要的意义。

【关键词】数字图像处理  研究生  人工智能  主动学习  创新思维

【Abstract】In applied universities， as a graduate student of electronic information， you need to major or elect the “Digital Image Processing” course， which occupies an important position in the field of artificial intelligence. According to market demand and application-oriented graduate talent training model， a curriculum construction mechanism of “student-oriented and teacher-led” is proposed. In teaching， an “interactive and open” classroom format is established， heuristic and problem-based teaching methods are adopted， actual problems are raised based on the project， Python software is added to the original Matlab software teaching practice to improve  students ability to solve image processing problems based on artificial intelligence technology，and realize the effective integration of teaching cases and practical links. This article conducts an in-depth analysis of teaching content， teaching methods， course practice， and assessment system， which is of great significance to the construction of a high-quality course of digital image processing in graduate education.

【Keywords】digital image processing; graduate students; artificial intelligence; active learning; innovative thinking

【基金項目】本文系2020年临沂大学研究生教育优质课程建设项目（YZKC2005）的研究成果。

【中图分类号】G64   【文献标识码】A 【文章编号】2095-3089（2021）08-0186-02

一、引言

近年来，随着人工智能（AI）、深度学习技术和大数据的迅速崛起，数字图像处理技术已被广泛用于工业检测、生物医学、通信、遥感、智能交通等不同的研究领域[1]。数字图像处理作为人工智能大类的课程之一，是一门使用计算机进行分析图像与提取信息的学科，具有交叉性强、实践性和推理性强、内容更新快的特点[2-3]。传统的“数字图像处理”课程教学一般都以教师课堂讲解理论知识为主，实验课上，通过一些小型实验来验证简单的原理，这种教学模式已不能达到培养研究生创新思维及实操能力的目的。为培养研究生的创新思维，激发学生的研究兴趣，教师在授课过程中，可将晦涩难懂的基础理论与直观的实验相结合，引导学生积极主动地参与课堂活动，通过以学生为主体的教学模式完成知识的传授过程。针对数字图像处理课程的特点以及与人工智能技术的相关性，本文依托图像配准与智能计算研究团队，结合教师的科研内容，对该课程的教学内容、教学方法、课程实践、考核方式进行深度剖析，对于探索应用型大学研究生教育数字图像处理优质课程建设具有积极的意义。

地方应用型大学临沂大学虽然数字图像处理课程给本科生开设多年，但是对该课程的研究生教学还处于起步阶段，没有形成适合应用型研究生人才培养的教学模式，在教学内容、教学方法、课程实践、考核方式等方面还需进一步改革。

二、教学内容的调整

传统的数字图像处理课程的内容主要由五大核心模块[4]组成：图像几何变换、图像变换、图像增强、图像分割、图像压缩编码。教材一般选择电子工业出版社的冈萨雷斯编著的《数字图像处理》一书。而近年来，随着人工智能的崛起，数字图像处理作为人工智能大类课程的一个分支，不仅在教学内容上而且在教材的选择上都要与时俱进。

在教学内容上，不再局限于五大核心模块，而是以学术论文为导向，指导学生查阅与自己方向相关的最新的学术成果，阅读前沿的专业学术论文。研究生作为学习的主体，通过查阅文献、了解论文的技术方法、复现实验、对论文进行总结报告等一系列学习，可大大提高研究生学习的主观能动性，可更深刻地理解图像处理算法。同时，结合新时代的发展，依托图像配准与智能计算研究团队，结合教师的科研内容，在讲述的内容上，增加了医学图像处理的实际案例和“互联网与智能图像处理”前沿的内容。

另外，在教材的选择上，不再指定固定教材，学生可选择经典的教材，也可选择新兴的电子教材，比如吴恩达主讲的人工智能的视频教材[5]，也可二者都选，让学生作为教材选择的主人，提高学生的参与度。

三、教学方法的改变

传统的授课方式已不能满足对研究生创新思维和动手能力的培养，研究生的教学模式要以学生为中心。

1.借助智慧教学平台，使用案例驱动教学

对于数字图像处理课程的基础知识，可让学生通过中国大学MOOC、在线学堂、B站、Coursera、雨课堂等智慧学习平台自学完成。对于具体应用，教师可通过“雨课堂”，采用案例驱动的方式进行指导。比如在图像分割部分，可对CT图像肺结节分割案例展开讲解。通过具体的案例，课堂互动，可让学生能更好地理解图像分割的理论方法，让学生的课程代入感更强。另外，还可分配几个相似的案例，让学生自主选择一个案例，独立完成，这有助于培养学生的研究性学习思维，同时也体现了“学生主体、教师主导”的课程建设机制。

2.基于项目驱动的学生实践及创新能力的培养

可让学生参与到教师所主持的国家级、省部级或市厅级关于数字图像处理的纵向项目或横向项目的研究工作中来[6-7]，让学生了解如何将理论知识与实际相结合，对所学知识有更深入的理解和掌握。通过项目驱动的方式让学生参与到实际应用中来，不仅能提高学生的学习主动性、实践动手能力和科研能力，还能培养学生的团队合作精神，进而促进了应用型研究生人才的培养。

3.通过每周的专题讲座、学术会议来拓展学生的学术视野和创新思维

学术会议和专题讲座是学生了解学科知识最新动态的重要途径。比如我们这个图像配准与智能计算研究团队每周都要参加MICS和VALSE的线上会议，每年也要出去参加2～3次的国际会议，寒暑假期間，若有合适的专题培训，团队也会派老师和研究生去参加培训，同时，团队负责人也会请一些与团队研究方向相符的专家来学校进行专题报告。通过学术会议、专题讲座和专题培训方式的学习，可以使学生了解到所研究方向的最前沿的知识和方法，能够更好地开拓学生的创新思维和学术视野，进一步提高学生的学习主动性和增强学生的科研兴趣。

四、课程实践的改革

传统的课程实践都是老师把实验目的、实验内容和实验步骤分发给学生，让学生通过MATLAB软件进行编程验证与设计，这样限制了学生的自主性和创新性。由于现在图像处理技术与人工智能的紧密结合，在MATLAB实验的基础上，我们增加了python软件，同时在实验内容上进行了改革。对于基础性实验和验证性实验通过智慧平台让研究生自学完成，对于研究性和设计性实验，本课程可通过目前数字图像处理的热点研究方向，结合机器学习和深度学习，依托老师主持的科研项目，设计一批研究课题。学生可自行组织科研小组，选择一个研究课题进行研究，小组成员之间分工合作完成课题研究内容，并在课堂上与学生分享研究成果。这样不仅可以培养学生的科研兴趣，还能帮助学生在研究问题的过程中进一步巩固和消化数字图像处理的理论知识和方法，从而实现对学生的数字图像处理相关的研究性知识储备和技能的培养。

五、构建合理的课程考核体系

传统的课程考核体系一般由“平时成绩+期末成绩”构成，平时成绩主要看出勤率、课程作业、实验报告组成，期末成绩由期末笔试成绩确定，这种考核模式在一定程度上会造成高分低能的现象，不符合应用型人才的培养目标。

数字图像处理作为一门与人工智能技术结合紧密、前沿性很强的学科，拟根据授课内容采用分项考核[7]的方式来完成学生的课程成绩评定。课程采用考核制，考核成绩由阅读论文汇报成绩、课题项目研究成绩、课程论文成绩三部分组成[8]。论文汇报成绩主要是考查学生查阅文献的能力、理解论文核心思想及算法的能力，查阅文献、阅读论文是进行科学研究的第一步。根据学生的汇报情况给出成绩，这部分占总成绩的30%。课题项目研究成绩，根据课题项目的方案设计、算法设计、仿真情况以及成果演示来确定，项目研究能力是研究生必备的核心能力，是他们思维创新的体现，这部分占总成绩的40%。

课程论文主要是训练学生科技论文的写作能力。本课程主要从以下6个选题中进行课程论文的布置：（1）数字图像增强方法综述与MATLAB实现（至少3种）;（2）图像增强方法的深入研究（介绍1种或2种方法与经典的方法进行对比研究）;（3）图像特征分析方法综述与MATLAB实现（至少3种）;（4）灰度共生矩阵与灰度差分直方图在图像处理中的实际应用;（5）基于医学图像的不同图像分割方法的分析与比较;（6）基于脑部图像的图像配准方法综述。（5）和（6）主要是图像配准与智能计算研究团队所选题目，其他方向的学生可根据自己的研究内容进行调整。这部分占总成绩的30%。

最后汇总阅读论文汇报成绩、课题项目研究成绩、课程论文成绩，给出数字图像处理课程的总成绩。这种分项考核的成绩评定方式可以很好地评价学生学习的全过程，充分调动学生的主动学习性，有助于培养学生的创新思维能力和实践动手能力。

六、总结

数字图像处理课程是一门与现代的人工智能技术紧密结合的交叉性学科， 应用于各个前沿科技领域，依托于地方高校临沂大学的研究生教育优质课程建设项目，对该课程的建设进行了初探。构建“学生主体、教师主导”的课程建设机制，加深了学生对数字图像处理课程知识的理解和掌握，通过实施分项考核的课程成绩评定机制，提高了学生的主动学习性和创新思维能力。为了实现对研究生的数字图像处理相关的研究性知识储备和科研能力的培养，本文从教学内容、教学方法、课程实践、考核体系四个方面的建设中融入了科研思维，在很大程度上拓展了学生的学术视野，提升了学生的科研思维和实践动手能力。课程的教学改革，对培养应用型研究生人才具有积极的意义。

参考文献：

[1]唐佳林，杨华明，陈林，喻武龙. 项目教学法在《数字图像处理》课程教学中的应用[J].中国西部科技，2015（2）：89-90.

[2]肖志勇，袁运浩，杨金龙.计算机专业课程教改探索：以《数字图像处理技术》为例[J].教育现代化（电子版），2015（12）：196-198.

[3]刘印.数字图像处理技术的应用与发展[J]. 信息与电脑，2018，408（4）：149-150.

[4]杨晓玲.基于人工智能的数字图像处理课程教学改革实践[J].职业技术，2021，20（1）：67-71.

[5]陈芳，张道强.基于研究性学习的数字图像处理课程教学改革[J].软件导刊，2020，19（12）： 48-50.

[6]刘忠艳，乔付，周波，等.项目教学法在数字图像处理教学中的应用[J].高师理科学刊，2015（2）：75-77.

[7]于力，陈忠道.高校研究生教学改革思考——以“数字图像处理”课程为例[J].工业和信息化教育，2020（9）：50-54.

[8]史彩娟，黄晓红.基于创新型研究生培养模式的数字图像处理与分析课程教学改革初探[J].中国教育技术装备，2018（19）：93-94，105.

作者简介：

徐艳（1978年-），女，山东临沂人，临沂大学信息科学与工程学院讲师，主要从事模式识别、医学图像配准等方面的研究。