人工智能时代数字图像处理与分析研究生课程教学改革探讨

史彩娟 李伟 刘利平 黄晓红

摘  要 为紧跟人工智能技术发展，满足人工智能时代对创新型研究生人才的需求，对数字图像处理与分析研究生课程进行教学改革。分析现有课程的局限性，通过引入最新研究成果和注重实际应用及学科交叉融合来完善更新教学内容，改革相应的教学方法和考核方式，从而更好地培养学生的实践动手能力和创新能力。

关键词 研究生;人工智能;数字图像处理与分析;教学改革;任务驱动式教学方法

中图分类号：G642.0    文献标识码：B

文章编号：1671-489X（2021）02-0100-03

Discussion on Teaching Reform of Digital Image Processing and

Analysis Post-graduate Programs in Era of Artificial Intelligence//

SHI Caijuan， LI Wei， LIU Liping， HUANG Xiaohong

Abstract In order to keep up with the development of artificial inte-

lligence technology and meet the needs of innovative graduate stu-dents in the era of artificial intelligence， the teaching reform of Digi-

tal Image Processing and Analysis graduate course is carried out.

This paper analyzes the limitation of the existing course， improves and updates the teaching content by introducing the latest research

results and paying attention to the practical application and interdis-ciplinary integration， and reforms the corresponding teaching me-thods and evaluation methods， so as to better cultivate the practical ability and innovation ability of graduate students.

Key words graduate students; artificial intelligence; digital image

processing and analysis; teaching reform; task driven teaching method

0 前言

2017年7月，国务院印发并实施《新一代人工智能发展规划》，提出抢抓人工智能发展的重大战略机遇，加快建设创新型国家和世界科技强国，加快人工智能高端人才培养，建设人工智能学科，发展智能教育。2018年4月，教育部发布《高等学校人工智能创新行动计划》，从高等教育领域推动落实人工智能发展，引导高等学校瞄准世界科技前沿，不断提高人工智能领域科技创新、人才培养和国际合作交流等能力，为我国新一代人工智能发展提供战略支撑。2019年2月，国务院发布《中国教育现代化2035》，提出加快推进信息化时代的教育变革，利用现代技术加快推动人才培养模式改革。在这些政策的引导下，人工智能技术得到迅猛发展，对人工智能人才的培养也提出更高的要求。

近年来，人工智能技术得到广泛研究并被应用于智能终端、工业制造、医疗辅助诊断、自动化控制、智能机器人等多个领域，极大地促进了科技进步和经济发展。另外，在新工科、新医科以及医工融合建设背景下，人工智能与其他学科有了很大的交叉融合。作为人工智能的“眼睛”，计算机视觉已经成为当前人工智能领域的一个重要研究热点，而计算机视觉中的很多技术是基于数字图像处理与分析的。因此，为了紧跟人工智能时代的发展步伐和多学科交叉融合的发展趋势，培养人工智能时代下的创新型研究生人才，如何对研究生数字图像处理与分析课程进行教学改革，突破现有教学内容和方法的局限，紧跟数字图像处理及分析技术发展前沿，已经成为研究生教学及培养中一个亟待解决的关键问题。

1 数字图像处理与分析课程的局限性

目前，华北理工大学正在进行人工智能学科建设，并积极推进新工科、新医科以及医工融合建设。然而，作为人工智能与医工融合相关的硕士研究生必修课程，数字图像处理与分析在教学内容及方法等方面还存在许多局限：内容陈旧，没有紧跟人工智能技术前沿发展;理论性強，与人工智能领域的具体应用联系性不强;学科局限，与医学、工业、军事等相关领域交叉融合性差;教学方法和考核方式传统单一;等等。这些局限阻碍了研究生对人工智能领域数字图像处理相关知识的掌握和应用，限制了研究生创新思维、创新能力和完成实际任务能力的培养，不符合人工智能时代对创新型研究生人才的需求。本文针对以上局限，从教学内容、教学方法和考核方法三方面对研究生数字图像处理与分析课程改革进行探讨。

2 完善更新教学内容

教学内容方面的改革主要包括：紧跟人工智能技术发展，完善更新课程教学内容，删除或者缩减陈旧内容，引入前沿方法及最新成果;注重理论与应用结合，引入具体实际应用案例;注重学科交叉融合，引入医学、冶金等其他学科的案例等。具体介绍如下。

删除或者缩减陈旧内容，引入前沿方法及最新成果  去掉Robot边缘检测法、Sobel边缘检测法等传统图像分割方法的具体讲解，引入人工智能领域图像分割的前沿研究成果，如基于深度学习的图像语义分割、实例分割和全景分割等，使研究生能够紧跟图像分割技术的发展动态及前沿;在图像复原方法中减少对传统的反向滤波器和维纳滤波器的讲解，引入基于深度学习的图像复原方法及研究成果;图像增强中增加基于深度学习的增强方法，如基于卷积神经网络的深度自动编码器、弱照明图像增强和低光增强方法等。通过删除和缩减数字图像处理与分析课程中陈旧的方法和技术，引入基于深度学习的相关方法和最新研究成果，使研究生能够了解和掌握这些技术的最新发展动态，开阔他们的创新思维和学术视野。

注重理论与应用结合  在讲解数字图像处理与分析基础理论的同时，通过具体案例讲解不同数字图像处理和分析技术的实际应用。讲解图像复原技术时，引入利用图像复原技术的图像去雾、图像去雨、图像去霾等具体应用案例;讲解图像分割时，引入利用图像语义分割、实例分割等的自动驾驶应用场景;讲解图像分析与理解时，引入基于深度学习的目标检测和识别具体应用，如人脸识别、表情识别等。通过理论与具体应用的紧密结合，研究生在掌握数字图像处理与分析技术基础知识的同时，能够了解这些方法的具体应用，激发学习兴趣，为学以致用提供广阔的思路和方向，从而提高实践动手能力。

注重学科交叉融合  人工智能与医学、冶金、军事等其他学科有广泛的交叉融合，因此，在讲解数字图像处理与分析技术时，对其与其他学科的交叉融合也进行相应介绍。例如：医工融合，将图像分割等技术引入医学影像诊断，从而提升癌症等疾病的诊断准确性;人工智能与冶金的交叉融合，将图像增强技术引入钢产品缺陷检测，提升缺陷检测的性能，从而提高钢铁的生产质量和产量;与军事交叉融合，将基于深度学习的目标检测技术引入军事装备检测，提高军事装备检测的精度和速度等。通过与其他学科的交叉融合，使研究生能够更全面地了解到数字图像处理与分析技术的重要性及作用，拓展他们的研究领域，激发他们的研究兴趣，还能进一步拓宽他们将来的就业方向。

通过对数字图像处理与分析课程内容的完善更新，不仅可以满足人工智能时代研究生所应具有的专业知识的要求，也为他们后续的学习及研究奠定良好的基础。

3 改革教学方法

为了使研究生更好地掌握数字图像处理与分析课程内容，深刻了解相关技术的前沿发展动态，以及与其他学科的交叉融合和广泛应用，结合教学内容对该课程的教学方法进行改革和探索。

以学术会议和学术论文为驱动的教学方法  为了使研究生了解数字图像处理与分析技术的最新发展动态，采用了解学术会议—阅读学术文章—参加学术会议的教学方法。

1）安排研究生通过网络查询图像处理、计算机视觉及人工智能等相关领域的国内外顶级学术会议（如CVPR、ICCV、ECCV、ICML等），并分组介绍所查会议情况。

2）指导研究生阅读发表在顶级会议或者顶级期刊（IEEE

Transactions on Pattern Analysis and Machine Intelligence，IEEE

Transaction on Multimedia等）上的图像分割、图像复原、图像增强、图像分类识别等相关学术论文。

3）鼓励研究生积极参加线上或者线下相关学术会议，通过这种教学方法使他们能够了解人工智能時代数字图像处理与分析技术的最新发展动态，极大地拓展他们的学术视野。另外，还能培养研究生查阅文献资料、阅读学术论文的能力，充分调动他们的学习主动性和探索精神。

以任务为驱动的教学方法  为了使研究生了解人工智能时代数字图像处理与分析技术的广泛应用以及多学科交叉融合，采用基于案例讲解—实际项目研究的任务驱动式教学方法。

1）在教学过程中积极引入各种实际案例，如医学领域的癌细胞检测和识别任务、公共安全领域的模糊车牌号码识别或者人脸表情识别任务、钢铁行业中钢板尺寸及缺陷检测任务，军事领域的军事装备检测识别任务等，讲解这些案例中所用到的图像预处理、图像复原、图像增强、图像分割以及图像识别等具体的数字图像处理与分析技术。

2）以研究生创新基金项目、教师的横纵向科研课题等为依托，指导研究生参与实际项目研究。采用基于案例讲解—实际项目研究的任务驱动式教学方法，研究生不仅了解到数字图像处理与分析技术的具体应用，以及与其他学科的深度交叉融合，同时极大地提升了学习的兴趣，拓展了研究思路和方向，提高了实践动手能力和创新能力。

4 改革考核方式

为了更好地培养人工智能时代的创新型研究生人才，对数字图像处理与分析课程的考核方式也进行了改革。课程采用考核制，考核成绩由三部分组成：前沿综述论文成绩、任务研究成绩及PPT报告成绩。

1）为了考核研究生对数字图像处理与分析相关技术的最新研究进展的掌握情况，给他们布置前沿综述论文撰写任务，并根据撰写内容的前沿性及全面性给出前沿综述论文成绩。该项成绩占本课程总成绩的30%。

2）为了考核研究生对数字图像处理与分析相关技术的实际应用能力，给他们布置研究任务，要求编写代码仿真实现并撰写研究报告，根据仿真结果及研究报告完成情况给出任务研究成绩。该项成绩占本课程总成绩的40%。

3）为了考核研究生对该课程的掌握和理解情况，给他们布置PPT讲解任务，内容包括前两项考核内容，根据PPT内容及讲解情况给出PPT报告成绩。该项成绩占本课程总成绩的30%。

通过此种考核方法，进一步促进研究生对数字图像处理与分析相关技术最新研究进展的了解和掌握，深化他们对相关技术具体应用以及交叉融合应用的理解，极大地调动他们学习的主动性，也很好地培养了他们的实践动手能力与创新能力。

5 结语

为满足人工智能时代对创新型研究生人才的需求，对数字图像处理与分析研究生课程进行教学改革和探讨：分析了人工智能时代对研究生人才的迫切需求，以及现有课程的局限性;完善更新课程教学内容，删除或者缩减陈旧内容，引入前沿方法及最新成果，注重理论与应用结合以及学科交叉融合;改革教学方法，采用了解学术会议—阅读学术文章—参加学术会议的以学术会议和学术论文为驱动的教学方法，采用基于案例讲解—实际项目研究的任务驱动式教学方法;改革考核方式，采用前沿综述论文、任务研究及PPT报告相结合的考核方式及成绩构成。通过改革，取得很好的教学效果。

参考文献

[1]刘东，方芳.人工智能视域下数字图像处理课程的教学改革[J].福建电脑，2020（3）：23-26.

[2]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（11）：84.

[3]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（10）：93-94，105.

[4]薛亚茹，陈冲.研究型“数字图像处理”课程教学方法探讨[J].教育教学论坛，2020（4）：238-239.

[5]史彩娟，赵丽莉，黄晓红.基于项目驱动的数字图像处理与分析课程教学改革[J].中国教育技术装备，2019（3）：80-81，86.

[6]张成业，李军，袁德宝，等.人工智能与大数据时代的《遥感数字图像处理》教学内容改革探讨[J].北京测绘，2020（6）：876-880.