數字圖像處理(北京工業大學建設的慕課)

數字圖像處理(北京工業大學建設的慕課)

本詞條是多義詞,共21個義項
更多義項 ▼ 收起列表 ▲

數字圖像處理課程是北京工業大學建設的慕課,於2021年07月30日在中國大學MOOC首次開課,授課教師為毋立芳。據2022年3月中國大學MOOC官網顯示,該課程已經開課3次。

該課程共8章,包括緒論、數字圖像處理基礎、圖像空間域增強、圖像頻域增強、圖像復原、圖像壓縮、圖像分割和特徵提取和識別。

基本介紹

  • 中文名:數字圖像處理
  • 建設院校:北京工業大學
  • 類別:慕課
  • 授課平台:中國大學MOOC
  • 開課時間:2021年07月30日(首次)
  • 授課教師:毋立芳
課程性質,課程背景,課程定位,課程簡介,課程大綱,開課信息,課程特色,教學思路,學習預備,預備知識,學習資料,教師簡介,

課程性質

課程背景

人工智慧技術飛速發展,數字圖像處理作為人工智慧技術落地套用的重要方向之一,很多技術快速從實驗室環境進入實際套用,在人們的生產生活中發揮重要作用,刷臉門禁、刷臉支付、車牌識別、交通視頻監控等等為人們的生產生活提供了便利。

課程定位

該課程可以幫助學習者理解數字圖像處理基本概念和基礎知識,為後續從事智慧型信息處理、計算機套用等領域的技術開發、科學研究等工作打下基礎。課程圍繞數字圖像處理的各項核心技術展開,系統介紹了數字圖像處理中的基本概念、算法和原理,幫助學生系統掌握除了數字圖像處理的基礎知識。

課程簡介

數字圖像處理課程共八章,第一章緒論,介紹圖像處理的定義、典型系統、套用和核心技術。第二章數字圖像處理基礎,介紹人類視覺系統組成及特點以及數字圖像處理中的基本概念。第三章圖像空間域增強,介紹圖像空間域增強算法包括點運算(簡單的灰度映射、直方圖均衡等)、空間運算(平滑、銳化、中值濾波等)、彩色圖像處理(圖像顏色模型、圖像偽彩色增強)。第四章圖像頻域增強,介紹二維離散傅立葉變換、通帶濾波、同態濾波等。第五章圖像復原,介紹圖像降質原因和降質模型、圖像降質函式估計、降質抑制(去除)。第六章圖像壓縮,介紹圖像數據冗餘類型和冗餘去除、圖像熵編碼、圖像預測編碼、圖像壓縮的JPEG標準等、第七章圖像分割,分類介紹圖像分割算法包括基於閾值的分割方法、基於邊緣的分割方法、基於區域的分割方法、基於分水嶺的分割方法和基於深度學習的分割方法。第八章特徵提取和識別,介紹圖像數據級特徵表達、形狀與顏色描述子、區域描述子和模式識別基本算法。

課程大綱

第一章 緒論
5.2 圖像降質函式估計
1.1 什麼是圖像,數字圖像
5.3 降質圖像復原方法
1.2 圖像處理方式分類
第五章測驗
1.3 數字圖像處理起源和發展
第六章 圖像壓縮(Image Compression)
1.4 數字圖像處理核心技術
6.1.1 圖像壓縮的必要性和可行性
第一章測驗
6.1.2 圖像數據冗餘分析
第二章 數字圖像處理基礎
6.2.1 霍夫曼編碼
2.1 人類視覺系統
6.2.2 Shannon-Feno編碼和B1-B2碼
2.2 視覺特性
6.2.3 算術編碼
2.3 成像和數位化
6.3 去相關編碼
2.4 圖像中的常用術語
6.4 圖像壓縮標準
2.5 圖像質量評價
第六章測驗
第二章測驗
第七章 圖像分割(Image Segmentation)
第三章 圖像空間域增強
7.1 基於閾值的分割方法
3.1 點運算
7.2.1 基於邊緣的分割方法(1)
3.2 圖像濾波
7.2.2 基於邊緣的分割方法(2)
3.3 彩色圖像處理
7.3 基於區域的分割方法
第三章測驗
7.4 基於學習的分割方法
第四章 圖像變換域增強
第七章測驗
4.1 二維離散傅立葉變換的定義與性質
第八章 特徵提取和識別
4.2 通帶濾波
8.1 數據級特徵表達
4.3 同態濾波
8.2 形狀與顏色描述子
第四章測驗
8.3 區域描述子
第五章 圖像復原(Image Restoration)
8.4 模式識別/分類
5.1 圖像降質及噪音模型估計
第八章單元測驗
(註:課程大綱排版從左到右列)

開課信息

開課次數
開課時間
授課教師
學時安排
參與人數
第1次開課
2021年07月30日~2021年11月03日
3-5小時每周
2229
第2次開課
2021年11月12日~2022年01月30日
2807
第3次開課
2022年03月04日~2022年06月06日
待定

課程特色

(1)覆蓋面較寬,課程覆蓋了狹義圖像處理和圖像分析與理解的大部分內容,其中狹義圖像處理部分和圖像分析與理解部分都進行了講解,圖像重建部分的基本原理在第一章進行了簡單介紹。
(2)所見即所得。課程研發了一套配套的數字圖像處理教學演示系統,可以實時演示相關算法的處理結果,幫助學習者更好地理解相關算法理論及其效果。
(3)課程內容有深度。課程內容介紹了相關部分的基礎理論知識,並配套例題講解,也簡單提及每一部分的前沿研究。

教學思路

該課程介紹了數字圖像處理中的基本概念、算法和原理,幫助學習者掌握除了數字圖像處理的基礎知識。該課程從圖像處理基礎知識出發,按照基本概念——>圖像增強——>圖像復原——>圖像壓縮——>圖像分割——>圖像特徵提取——>圖像識別這樣的層次化圖像處理思路,幫助學習者漸進學習圖像處理基本理論,掌握圖像處理知識體系。

學習預備

預備知識

學習該課程前,學習者應預備高等數學(微積分、級數分解、傅立葉級數等)、線性代數(矩陣特徵值和特徵向量、矩陣運算等)、機率論與數理統計(隨機變數函式的機率密度函式表達等)。信號與系統(模擬信號和數位訊號、模擬信號頻譜、採樣定理、傅立葉變換及性質等)、數位訊號處理(數位訊號的頻譜、離散傅立葉變換及性質、數字濾波器設計、頻率採樣定理、圓周卷積定理、信號和噪音、隨機噪音、加性噪音、乘性噪音、通帶濾波等)等方面的知識。

學習資料

書名
作者
出版社
《數字圖像處理》
岡薩雷斯
《數字圖像處理學》
阮秋琦

教師簡介

毋立芳,北京工業大學信息學部教授,博士生導師,1994年碩士畢業後留校任教。主要研究體育視頻分析相關內容,研究成果曾獲得中國體育學會體育科學技術獎二等獎等。毋立芳教授團隊利用人工智慧、圖像識別、目標檢測跟蹤、虛擬顯示等先進技術,自主研發出一套智慧型冰壺瞄準偏差預測及運動軌跡自動顯示系統。

相關詞條

熱門詞條

聯絡我們