教学大纲

基本按照指定教材的顺序进行教学，并在必要的时候进行上机练习

指定教材：

• 冈萨雷斯著，阮秋琦译.《数字图像处理》（第三版），电子工业出版社，2013年 （现有第四版英文版）

第一章：绪论（2学时）

教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。

重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。

• 什么是数字图像处理
• 数字图像处理的起源
• 数字图像处理领域的应用实例
• 数字图像处理的基本步骤
• 图像处理系统的组成

第二章：数字图像基础（4学时）

教学目标： 了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间联系的概念；了解数字图像处理中的常用数学工具。

重点难点：要求重点掌握图像数字化过程及图像中像素的联系。

• 视觉感知要素（1学时）
• 光和电磁波谱
• 图像感知和获取（1学时）
• 图像取样和量化（2学时）
• 像素间的一些基本关系（1学时）
• 数字图像处理中所用数学工具的介绍

第三章：灰度变换与空间滤波 （6学时）

教学目标：了解空间域图像增强的概念、目的及主要技术；理解直接灰度变换的方法原理；理解直方图的定义、性质及用途；掌握直方图均衡化技术细节；理解直方图规定化处理方法的原理及作用；掌握图像的空间域的平滑和锐化技术方法。

重点难点：重点掌握直方图均衡化技术及常用的图像的空间域的平滑和锐化技术。

• 背景知识
• 一些基本的灰度变换函数（1学时）
• 直方图处理（2学时）
• 空间滤波基础（1学时）
• 平滑空间滤波器（1学时）
• 锐化空间滤波器（1学时）
• 混合空间增强法
• 使用模糊技术进行灰度变换和空间滤波

第四章：频率域滤波 （6学时）

教学目标：了解傅里叶变换和频率域的概念，掌握常用的平滑和锐化滤波器的设计方法。

重点难点：重点掌握图像的傅立叶变换及常用的图像的频率域的平滑和锐化技术方法。

• 背景
• 基本概念（1学时）
• 取样和取样函数的傅里叶变换
• 单变量的离散傅里叶变换（DFT）（1学时）
• 两个变量的函数的扩展
• 二维离散傅里叶变换的一些性质（2学时）
• 频率域滤波基础
• 使用频率域滤波器平滑图像（2学时）
• 使用频率域滤波器锐化图像
• 选择性滤波
• 实现

第五章：图像复原与重建（8学时）

教学目标：理解图像退化/复原过程的模型；掌握几种常用的空间滤波方法；理解几种常用的频率域方法；了解估计退化函数；了解逆滤波；了解最小均方误差（维纳）滤波。

重点难点：要求重点掌握常用的空间和频率滤波器，了解逆滤波和维纳滤波。

• 图像退化/复原过程的模型（1学时）
• 噪声模型
• 只存在噪声的复原–空间滤波（1学时）
• 用频率域滤波消除周期噪声（1学时）
• 线性、位置不变的退化
• 估计退化函数（1学时）
• 逆滤波
• 最小均方误差（维纳）滤波（2学时）
• 约束最小二乘方滤波器
• 几何均值滤波
• 由投影重建图像（2学时）

第六章：彩色图像处理 （4学时）

教学目标：了解彩色基础、RGB颜色模型以及HIS颜色模型；理解RGB颜色模型和HIS颜色模型的色度学基础和适用范围；了解常用的彩色图像处理方法。

重点难点：彩色基础和模型、伪彩色处理、全彩色处理基础及彩色变换；不同颜色空间的定义和选择。

• 彩色基础（1学时）
• 彩色模型（1学时）
• 伪彩色处理
• 全彩色图像处理基础（1学时）
• 彩色变换（1学时）
• 平滑和尖锐化
• 基于彩色的图像分割
• 彩色图像中的噪声
• 彩色图像压缩

第七章：小波变换和多分辨率处理 （6学时）

• 背景（2学时）
• 多分辨率展开
• 一维小波变换（2学时）
• 快速小波变换
• 二维小波变换（2学时）
• 小波包

第八章：形态学图像处理（4学时）

教学目标： 掌握二值形态学和灰度形态学的几种基本操作；了解形态学在图像处理中的应用。

重点难点：重点掌握图像腐蚀、图像的膨胀、图像的细化。

• 预备知识
• 腐蚀和膨胀（2学时）
• 开操作与闭操作
• 击中和击不中变换
• 一些基本的形态学算法（2学时）
• 灰度级形态学

第九章：图像分割 （6学时）

教学目标： 掌握图像分割的思想及策略；理解边缘检测和阈值分割的基本思想和方法。

重点难点：重点掌握图像分割，轮廓跟踪。

• 基础知识
• 点、线和边缘检测（2学时）
• 阈值处理
• 基于区域的分割
• 基于聚类和超像素的分割（2学时）
• 基于活动轮廓和水平集的分割（2学时）

第十章： 特征提取（4学时）

教学目标：掌握图像特征提取的基本思想及方法。

重点难点：重点掌握基于边界和区域的特征提取方法，主成分方法和SIFT方法。

• 边界描绘子（2学时）
• 区域描绘子
• 主分量描绘子（2学时）
• SIFT

第十一章 图像模式分类（4学时）

教学目标： 掌握图像模式的概念和分类的基本思想及策略；理解深度卷积神经网络的工作原理。

重点难点：重点掌握Bayes分类器，CNN分类器。

• 模式和模式类 （2学时）
• 模式分类
• Bayes 统计分类器
• 神经网络与深度学习（2学时）
• 深度卷积神经网络