新工科背景下应用型本科院校数字图像处理课程教学改革探究

关键词：数字图像处理；新工科；应用型本科院校；考核方式；教学改革

0 引言

新工科是一个以互联网和工业智能为核心，针对新兴产业进行交叉融合，并注重继承与创新、协调与共享的工科专业体系。该体系致力于培养具备竞争力的工科人才，使其适应新时代的发展需求，并有效应对新一轮科技革命和产业变革带来的挑战[1]。新工科对于应用型本科院校的人才培养提出了三个要求：第一，注重培养创新精神与拓展能力。众所周知，计算机类专业迭代迅速，学校传统教育模式具有滞后性，难以完全契合快速发展的市场动态与行业需求，因此，新工科视域下，应用型本科院校需要特别注重培养学生的创新精神与拓展能力，使学生在面对新技术与新产业时，具有更强的适应能力。同时，应鼓励学生积极参与学科竞赛和企业实践活动，提升学生学习的主观能动性。第二，技能与知识之间的融合。在新工科背景下，对复合型人才的需求日益增强。这就要求学生在知识体系上实现复合，对于准备就业的学生来说既需要掌握扎实的专业基础知识，也要能够将其应用于实际生产工作中，具备解决实际问题的能力。应用型本科院校应加强与产业界的合作，为学生提供更多的实践机会和平台。第三，跨学科融合。新工科强调多个学科的交叉融合，如机械工程与电子工程、材料科学与计算机科学等学科的整合。因此，对于准备深造的研究型学生来说，应注重培养学生跨学科的视野和能力，并且要学会合作与交流，共同解决问题[2]。

数字图像处理是智能科学与技术专业的必修课之一，主要包括数字图像处理基础、图像增强、图像分割、图像空间域和频率域变换、图像压缩编码等内容。随着计算机视觉和深度学习的发展，该课程延伸至图像超分辨率重建、图像分类、图像检测等方向[3]，其特点是理论性强，知识点多。同时该课程被用于医学、遥感和交通等领域，应用领域广，综合性强。因此，需要通过改进教学和考核模式来提高学生的学习质量，使得这类课程能够满足新工科对于应用型本科的人才培养要求。

1 数字图像处理课程的教学现状

目前的数字图像处理课程在实践教学中主要存在以下三个问题：

1） 基础不扎实

智科专业缺乏信号处理课程，致使学生学习数字图像处理中频率域处理时理解不够透彻。同时图像处理实为矩阵运算，学生对于矩阵论或线性代数基础掌握不扎实，影响其学习的深度和广度[4]，在实际应用时缺乏灵活性，难以创新。

2） 教学过程非项目导向

数字图像处理课程以理论教学为主，导致学生对所学知识在项目中的实际应用缺乏清晰的认识。学生将它当作数学这类基础课程来学，这与该课程的定位是相悖的。教材内容虽涉及知识点应用，并在章节内提供了小型案例和习题练习，但这些内容聚焦于单一知识点的应用，而非将其置于整个项目框架中考虑。从专业角度来看，这种教学模式未能有效地将理论知识与实际项目需求相结合，不利于学生系统性思维和问题解决能力的培养。此教学模式通常以老师为中心，虽然保证了知识传递的效率和准确性，却限制了学生独立思考和解决问题能力的发展。

3） 考核方式单一

目前，数字图像处理课程的考核方式以传统闭卷考试为主，这种方式侧重理论知识的记忆与复述，无法全面反映学生在算法设计、实验操作、结果分析等方面的综合能力，也无法有效评估创新思维和实践技能，难以真实反映学生对课程的掌握程度和解决计算机视觉领域实际问题的能力[5]。

2 数字图像处理教学和考核改革措施

针对以上问题，我们对现有的教学模型和考核方式进行了改革，改革后的教学模型如图1所示。该教学模型主要包含三个环节：线上学习、课堂学习和课后学习。

课前环节涵盖了线上视频的学习及相关题目的完成，这一环节旨在提升学生的自主学习能力，并有效应对学生基础参差不齐所带来的课程进度挑战。同时，它也有助于解决课程教学中常见的大量前置知识需求问题，为后续的课堂教学奠定坚实的基础。

课堂学习环节是数字图像处理课程的重要环节，旨在确保学生线上学习的学习效果，加深学生对于知识的理解，在此期间引入真实的项目案例，这类案例通常具有实际应用场景，能够提升学生的兴趣，加强对于知识点的综合应用能力和同学之间的团结协作能力。

课后学习则主要是完成拓展作业，对前面学习的内容查缺补漏。最后，进行师生互评，作为一种双向反馈机制，对于提高教学效果和促进师生共同进步具有重要意义。通过互评，学生可以了解自己在学习中的优势与不足，进而调整学习策略，提高学习效率；而教师则能够根据学生的反馈，知道教学中存在的问题，进而及时调整教学内容和方法，提升教学效果。因此，课后学习与师生互评相结合，能够形成一种良性的教学互动，有助于实现教学相长，共同提升教学质量。

在后续的三个小节中将就以上三个方面展开具体阐述。

2.1 线上线下混合式教学改革

数字图像处理作为一门具有广泛交叉性的学科，融合了多个领域的知识点。为了使学生能够更全面地理解并掌握这些跨学科内容，我们将其他相关领域的知识点精心录制成线上课程，并上传至芯位平台，如图2所示。

在线下授课前，要求学生自主观看这些线上课程，平台会自动记录学习进程，并完成相应的测试题目，这里的测试题目分为选择题、填空题、判断题等客观题和计算题、简答题等主观题。我们可以利用3×3、5×5、7×7这样的小图像块来模拟完整的图像，并将一些数字图像处理技术应用在这样的小图像块上来确保学生能够充分吸收和理解这些前置知识。鼓励学生在完成上述任务的过程中积极思考，通过线上讨论或线下向老师请教等方式解决疑惑，达到知识的融会贯通。同时，根据学生的学习记录和测试结果，如图3 所示，及时跟踪和反馈学生的学习情况，帮助教师更好地指导学生学习。

对于上文提及的针对单独知识点的小型案例，我们分两个方向学习，一方面是上文提到的主客观题，另一方面是通过OJ（在线判题）系统，提高学生的知识的应用能力和编程能力。在学校的头歌平台上，课题组为该课程准备了大量题目资源，并且具备自动评测和即时反馈的功能，如图4所示。

学生在完成理论学习后，可以通过访问头歌平台选择相应的题目进行练习。该系统支持多种编程语言，学生可以根据自己的喜好和课程要求选择擅长的语言进行编程练习。完成后提交，平台将自动运行代码并给出评测结果，包括正确度、执行时间、内存使用等关键指标。

通过这种方式，学生可以及时了解自己的编程水平和在知识点掌握上的不足，根据评测结果调整和优化代码。同时，该系统还提供了排名功能，学生可以查看自己在班级或全校的排名，激发学习动力。此外，学生可以在平台上分享自己的解题经验、答题思路，或者向其他同学或老师求助。这种互动式的学习方式有助于拓宽学生的思路，提升问题解决能力。综上所述，通过头歌平台进行单独知识点的小型案例练习，不仅可以提高学生的学习效率，还能够培养他们的自主学习和问题解决能力，为未来的学习和工作奠定坚实基础。

2.2 项目驱动式教学方法

项目驱动式教学方法改变了传统的以教师为中心的教学模式，使学生成为学习的主体，强调实际操作和实践应用[6-7]。在这种教学过程中，要求学生以小组协作方式制订计划并共同完成项目，教师只起到引导和指导的作用。学生需要在实践中系统化地学习知识，在讨论中互相纠错，综合运用所学知识，同时提升团队分工以及彼此交流合作的能力。在具体实施项目驱动式教学方法时，需要明确课程教学目标，挑选出恰当的项目问题，构建具体的项目驱动式教学的训练载体，如图5所示，并设定相应的组织方式和时间安排。同时，还需要建立与之相适应的课程考核标准，以全面评价学生的学习成果。

2.3 过程化教学和考核改革措施

根据前面的教学模型，我们的过程化考核方式主要包含以下两个部分，过程性考核成绩和期末组卷考试成绩，分别占比70%和30%，如表1所示。

过程性考核成绩中的线上学习由系统自动评判，其中主观题目由教师在平台上手动评判；课堂学习中的课堂测验是纸笔考试，由教师给出成绩，实验报告根据完成质量及项目报告评估标准给出成绩；课后作业根据完成情况给出相应分数；最后，教师根据学生的整体学习情况给出分数。

同时，学生也会给予教师评价和反馈，教师应根据学生的反馈信息作出积极回应以及必要的改进[8]。

3 总结

时代的发展催生了新的课程，也提出了新的要求，根据课程的不同特点和新工科对于应用型大学的要求，本文以数字图像处理为例，对其课程体系及教学方法进行了优化与革新。在这一过程中，成功实施了线上线下混合式教学模式的改革，探索了项目驱动式的教学方法，并推进了过程化考核体系的建立。然而，值得注意的是，由于这些改进措施仍处于试行阶段，虽然在教学效果方面已经取得了明显进展，但是也可能存在未被发现的问题。此外，为了进一步提升教学质量，增强教学的实践性与应用性，应当更加积极地引入校企合作机制，通过与企业合作引入更贴近实际、更具真实性的教学案例。这将有助于提升学生的实际操作能力，使其更好地适应未来职业发展的需求。