数字图像处理教学大纲(2014新版)(共12页).doc

精选优质文档-倾情为你奉上 数字图像处理 课程编码：课程名称：数字图像处理 总学分：2总学时：32 (讲课28，实验4)课程英文名称：Digital Image Processing先修课程：概率论与数理统计、线性代数、C+程序设计适用专业：自动化专业等一、课程性质、地位和任务数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。二、教学目标及要求1了解图像处理的概念及图像处理系统组成。2掌握数字图像处理中的灰度变换和空间滤波的各种方法。3了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。4理解图像复原与重建技术中空间域和频域滤波的各种方法。5. 理解解彩色图像的基础概念、模型和处理方法。6. 了解形态学图像处理技术。7. 了解图像分割的基本概念和方法。三、教学内容及安排 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。通过大量的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。1.1 什么是数字图像处理1.2 数字图像处理的起源1.3 数字图像处理领域的应用实例1.3.1 伽马射线成像1.3.2 X射线成像1.3.3 紫外波段成像1.3.4 可见光及红外波段成像1.3.5 微波波段成像1.3.6 无线电波成像1.3.7 使用其他成像方式的例子1.4 数字图像处理的基本步骤1.5 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；掌握像素间的联系的概念；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。2.1 视觉感知要素（1学时）2.1.1 人眼的构造2.1.2 眼镜中图像的形成2.1.3 亮度适应和辨别2.2 光和电磁波谱2.3 图像感知和获取（1学时）2.3.1 用单个传感器获取图像2.3.2 用条带传感器获取图像2.3.3 用传感器阵列获取图像2.3.4 简单的图像形成模型2.4 图像取样和量化（1学时）2.4.1 取样和量化的基本概念2.4.2 数字图像表示2.4.3 空间和灰度级分辨率2.4.4 图像内插2.5 像素间的一些基本关系（1学时）2.5.1 相邻像素2.5.2 临接性、连通性、区域和边界2.5.3 距离度量2.6 数字图像处理中所用数学工具的介绍2.6.1 阵列与矩阵操作2.6.2 线性操作与非线性操作2.6.3 算术操作2.6.4 集合和逻辑操作2.6.5 空间操作2.6.6 向量与矩阵操作2.6.7 图像变换2.6.8 概率方法第三章：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：要求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方法。3.1 背景知识3.2.1 灰度变换和空间滤波基础3.2.2 关于本章中的例子3.2 一些基本的灰度变换函数（1学时）3.2.1 图像反转3.2.2 对数变换3.2.3 幂律（伽马）变换3.2.4 分段线性变换函数3.3 直方图处理（2学时）3.3.1 直方图均衡3.3.2 直方图匹配（规定化）3.3.3 局部直方图处理3.3.4 在图像增强中使用直方图统计3.4空间滤波基础（1学时）3.4.1 空间滤波机理3.4.2 空间相关与卷积3.4.3 线性滤波的向量表示3.4.4 空间滤波器模板的产生3.5 平滑空间滤波器（1学时）3.5.1 平滑线性滤波器3.5.2 统计排序（非线性）滤波器3.6 锐化空间滤波器（1学时）3.6.1 基础3.6.2 使用二阶微分进行图像锐化拉普拉斯算子3.6.3 非锐化掩蔽和高提升滤波3.6.4 使用一阶微分对（非线性）图像锐化梯度3.7 混合空间增强法3.8 使用模糊技术进行灰度变换和空间滤波3.8.1 引言3.8.2 模糊集合论原理3.8.3 模糊集合应用3.8.4 使用模糊集合进行灰度变换3.8.5 使用模糊集合进行空间滤波第四章：频率域滤波 （2学时） 教学目标：了解傅里叶变换和频率域的概念，理解常用的平滑和锐化滤波器的概念和方法。 重点难点：要求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。4.1 背景4.1.1 傅里叶级数和变换简史4.1.2 关于本章中的例子4.2 基本概念4.2.1 复数4.2.2 傅里叶级数4.2.3 冲激及其取样特性4.2.4 连续变量函数的傅里叶变换4.2.5 卷积4.3 取样和取样函数的傅里叶变换4.3.1 取样4.3.2 取样函数的傅里叶变换4.3.3 取样定理4.3.4 混淆4.3.5 由取样后的数据重建（复原）函数4.4 单变量的离散傅里叶变换（DFT）4.4.1 由取样后的函数的连续变换得到DFT4.4.2 取样和频率间隔间的关系4.5 两个变量的函数的扩展4.5.1 二维冲激及其取样特征4.5.2 二维连续傅里叶变换对4.5.3 二维取样和二维取样定理4.5.4 图像中的混淆4.5.5 二维离散傅里叶变换及其反变换4.6 二维离散傅里叶变换的一些性质4.6.1 空间和频率间隔的关系4.6.2 平移和旋转4.6.3 周期性4.6.4 对称性4.6.5 傅里叶谱和相角4.6.6 二维卷积定理4.6.7 二维离散傅里叶变换性质的小结4.7 频率域滤波基础（1学时）4.7.1 频率域的其他特性4.7.2 频率域滤波基础4.7.3 频率域滤波步骤小结4.7.4 空间和频率域滤波间的对应4.8 使用频率域滤波器平滑图像（1学时）4.3.1 理想低通滤波器4.3.2 巴特沃斯低通滤波器4.3.3 高斯低通滤波器4.3.4 低通滤波的其他例子4.9 使用频率域滤波器锐化图像4.9.1 理想高通滤波器4.9.2 布特沃斯高通滤波器4.9.3 高斯高通滤波器4.9.4 频率域的拉普拉斯算子4.9.5 钝化模板、高提升滤波和高频强调滤波4.9.6同态滤波4.10选择性滤波4.10.1 带阻滤波器和带通滤波器4.10.1 陷波滤波器4.11 实现4.11.1 二维DFT的可分性4.11.2 用DFT算法计算IDFT4.11.3 快速傅里叶变换(FFT)4.11.4 关于滤波器设计的一些注释第五章：图像复原与重建（4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。5.1 图像退化/复原过程的模型（1学时）5.2 噪声模型5.2.1 噪声的空间和频率特性5.2.2 一些重要的噪声概率密度函数5.2.3 周期噪声5.2.4 噪声参数的估计5.3 只存在噪声的复原空间滤波（1学时）5.3.1 均值滤波器5.3.2 顺序统计滤波器5.3.3 自适应滤波器5.4 用频率域滤波消除周期噪声（1学时）5.4.1 带阻滤波器5.4.2 带通滤波器5.4.3 陷波滤波器5.4.4 最佳陷波滤波器5.5 线性、位置不变的退化5.6 估计退化函数（1学时）5.6.1 图像观察估计5.6.2 试验估计5.6.3 建模估计5.7 逆滤波5.8 最小均方误差（维纳）滤波5.9 约束最小二乘方滤波器5.10 几何均值滤波5.11 由投影重建图像5.11.1 引言5.11.2 计算机断层（CT）原理5.11.3 投影和雷登变换5.11.4 傅里叶切片定理5.11.5 使用平行射线束滤波反投影的重建5.11.6 使用扇形射线束滤波反投影的重建第六章：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。6.1 彩色基础（1学时）6.2 彩色模型（1学时）6.2.1 RGB彩色模型6.2.2 CMY和CMYK模型6.2.3 HSI模型6.3 伪彩色处理6.3.1 灰度分层6.3.2 灰度到彩色的变换6.4 全彩色图像处理基础（1学时）6.5 彩色变换（1学时）6.5.1 公式6.5.2 补色6.5.3 彩色分层6.5.4 色调和彩色校正6.5.5 直方图处理6.6 平滑和尖锐化6.6.1 彩色图像平滑6.6.2 彩色图像尖锐化6.7 基于彩色的图像分割6.7.1 HSI彩色空间的分割6.7.2 RGB向量空间中的分割6.7.3 彩色边缘检测6.8 彩色图像中的噪声6.9 彩色图像压缩第七章：小波变换和多分辨率处理 （自学） 教学目标：了解小波变换的概念；了解一维和二维小波变换。 重点难点：快速小波变换。7.1 背景7.1.1 图像金字塔7.1.2 子带编码7.1.3 哈尔变换7.2 多分辨率展开7.2.1 级数展开7.2.2 尺度函数7.2.3 小波函数7.3 一维小波变换7.3.1 小波级数展开7.3.2 离散小波变换7.3.3 连续小波变换7.4 快速小波变换7.5 二维小波变换7.6 小波包第八章：图像压缩（自学） 教学目标：了解图像压缩理论及模型；了解图像编码常用方法。 重点难点：重点掌握无损预测编码，有损预测编码，变换编码系统。难点是变换选择，子图像尺寸选择，比特分配。8.1 基础知识8.1.1 编码冗余8.1.2 空间冗余和时间冗余8.1.3 不相关的信息8.1.4 图像信息的度量8.1.5 保准度准则8.1.6 图像压缩模型8.1.7 图像格式、容器和压缩标准8.2一些基本的压缩方法8.2.1 霍夫曼编码8.2.2 Golomb编码8.2.3 算术编码8.2.4 LZW编码8.2.5 行程编码8.2.6 基于符号的编码8.2.7 比特平面编码8.2.8 块变换编码8.2.9 预测编码8.2.10 小波编码8.3数字图像水印第九章：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。9.1 预备知识（1学时）9.2 腐蚀和膨胀（1学时）9.2.1 腐蚀9.2.2 膨胀9.2.2 对偶性9.3 开操作与闭操作9.4 击中和击不中变换9.5 一些基本的形态学算法（2学时）9.5.1 边界提取9.5.2 孔洞填充9.5.3 连通分量的提取9.5.4 凸壳9.5.5 细化9.5.6 粗化9.5.7 骨架9.5.8 裁剪9.5.9 形态学重建9.5.10 二值图像形态学操作小结9.6 灰度级形态学9.6.1 腐蚀和膨胀9.6.2 开操作和闭操作9.6.3 一些基本的灰度级形态学算法9.6.4 灰度级形态学重建第十章：图像分割 （2学时） 教学目标： 掌握图像分割的思想及策略；理解点、线和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。10.1 基础知识10.2 点、线和边缘检测（1学时）10.1.1 背景知识10.1.2孤立点检测10.1.3 线检测10.1.4 边缘检测10.1.5基本边缘检测10.1.6 更先进的边缘检测技术10.1.7 边缘连接和边界检测10.3阈值处理（2学时）10.3.1 基础知识10.3.2基本全局阈值处理10.3.3 用Otsu方法的最佳全局阈值处理10.3.4用图像平滑改善全局阈值处理10.3.5利用边缘改进全局阈值处理10.3.6 多阈值处理10.3.7 多变阈值处理10.3.8 多变量阈值处理10.4 基于区域的分割10.4.1 区域生长10.4.2 区域分裂与聚合10.5 用形态学分水岭的分割10.5.1 背景知识10.5.2 水坝构建10.5.3 分水岭分割算法10.5.4标记的使用10.6 分割中运动的应用10.6.1 空间域技术10.6.2 频率域技术第十一章：表示和描述（自学） 教学目标：了解边界描绘子和区域描绘子；理解图像的几何特征、形状特征、纹理特征与骨架提取以及其他特征。 重点难点：重点掌握纹理描述。11.1 表示11.1.1 边界跟踪11.1.2 链码11.1.3 使用最小周长多边形的多边形近似11.1.4 其他多边形近似方法11.1.5 标记图11.1.6 边界线段11.1.7 骨架11.2 边界描绘子11.2.1 一些简单的描绘子11.2.2 形状数11.2.3 傅里叶描绘子11.2.4 统计矩11.3 区域描绘子11.3.1 一些简单的描绘子11.3.2 拓补描绘子11.3.3 纹理11.3.4 不变矩11.4 使用主分量进行描绘11.5 关系描绘子第十二章：目标识别（自学） 教学目标：了解模式和模式类的概念；了解常用的几种模式识别方法。 重点难点：结构模式识别。12.1 模式和模式类12.2 基于决策理论方法的识别12.2.1 匹配12.2.2 最佳统计分类器12.2.3 神经网络12.3 结构方法12.3.1 匹配形状数12.3.2 串匹配四、实验环节（4学时） 使用MATLAB作为软件平台，编写程序实现制定的数字图像处理功能。以撰写实验报告方式进行考核。序号实验名称实验内容和要求学时实验性质主要试材及仪器设备1图像的灰度变换及直方图均衡化目的：通过实验显示、观察图像二值化效果。了解图像的直方图概念，掌握图像的直方图均衡化方法。内容：以一幅256×256象素的数字图像为实验对象，观察图像的二值化效果和直方图分布。对图像的直方图进行均衡化。1基础必修微机，matlab软件图像的平衡和锐化处理目的：通过实验显示，观察图像平滑和锐化处理效果。内容：以一幅256×256象素的数字图像为对象采用中值滤波处理进行平滑处理和Soble算子图像锐化方法。1设计必修微机，matlab软件2图像膨胀、腐蚀和细化目的：通过实验显示，掌握数学形态学处理方法。内容：对指定图像进行腐蚀、膨胀和细化，把得到的结果图像都显示于屏幕上。1设计必修微机，matlab软件图像分割与边缘检测目的： 通过实验显示，掌握分割和轮廓提取方法。内容：对指定图像进行自适应门限值分割和边缘提取。1设计必修微机，matlab软件五、课外学习任务为突出教学重点，第七、八、十一及十二章等相关章节由学生自主学习，考试中不涉及。六、教学方式及考核 教学方式：多媒体教学。结合大量应用实例，对数字图像处理中的各种实际问题展开深入的讨论，充分激发学生的思考力，提高学生分析和解决问题的能力。考核方式：平时考勤（占20%），实验报告（占20%），期末考试（闭卷，占60%）。七、主要参考文献1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2著，哀海舟译.计算机视觉:算法与应用,，清华大学出版社，20123 ，等编著., ,2013撰稿人：审稿人：专心-专注-专业