《数字图像处理》教学大纲
课程名称 数字图像处理 课程代码
课程学分
课程学时 理论56+实验16
适用专业 电子信息工程，通信，计算机科学，软件工程，控制科学与工程
先修课程 信号与系统，线性代数
开课时间 第7学期
开课单位
课程类别 专业必修
考核方式 闭卷考试
课程教材 侯俊，杨晖编著，数字图像处理（OPENCV版），机械工业出版社
一、 课程简介
数字图像处理是机器视觉、模式识别、医学图像处理等的基础，本课程为工程专业的学生提供数字图像处理的基本知识，是理论性和实践性都很强的综合性课程。课程内容广泛涵盖了数字图像处理的基本原理，包括图像采样和量化、图像算术运算和逻辑运算、直方图、图像色彩空间、图像分割、图像形态学、图像频域处理、图像分割、图像降噪与图像复原、特征提取与识别等。
二、 课程目标
通过本课程学习，学生可以掌握数字图像处理的基本方法，具备一定的解决图像处理应用问题的能力，培养解决复杂工程问题的能力。具体目标如下： 1.
掌握数字图像处理的基本原理、计算方法，能够利用专业知识并通过查阅资料掌握理解相关新技术，对检测系统及处理流程进行创新性设计；
2.
能够知晓工程领域中涉及到的数字图像处理技术，理解其适用场合、检测对象及条件的限制，能根据给定的目标要求，针对工业检测中的工程问题选择和使用合适的技术和编程，进行仿真和分析；
3. 能够知晓工程领域中所涉及的现代工具适用原理及方法，根据原理分析和仿真结果，进行方案比选，确定设计方案，具有检测算法的设计能力；
4.
通过校内外资源和现代信息技术，了解数字图像处理发展趋势，提高解决复杂工程问题的能力。
三、 课程目标对毕业要求的支撑关系
支撑的毕业要求 课程目标
3.3: 能够在利用专业知识和查阅资料的基础上，对检测系统及其工艺流程进行创新性设计 目标1
目标4
5.1: 能够知晓电子信息工程领域中所涉及的现代工具及软件的使用原理和方法，理解其适用场合、检测对象及条件 目标2
第２８卷第６期 计算机仿真 ２０１１年６月
文章编号：１００６—９３４８（２０１１）０６—０２６２—０４
关于图像分割算法的优化仿真研究
韩翠英，孔娟
（安阳工学院北校区，河南安阳４５５０００）
摘要：Ｏｔｓｕ图像分割法是常用的图像阈值分割方法，其最佳阈值选取直接影响到图像分割的质量。传统的最佳阈值的寻找 采用穷尽式搜索方法，计算复杂度大，耗时较多，分割的精度低，易产生图像误分割。为了提高图像分割准确性，提出一种遗 传算法与Ｏｔｓｕ相结合的图像分割方法。新方法将图像分割问题看作为一个全局数值优化问题，将图像灰度信息转换成遗
传算法的种群，每个个体代表一个可行的阈值向量，以灰度图像的灰度最大类间方差作为适应度值，通过选择、交叉和变异 等遗传操作获得图像最佳分割阈值，以获得的最佳阈值对图像进行分割。用实例对新方法进行验证实验，结果表明，相对于 传统Ｏｓｔｕ图像分割算法，改进的Ｏｔｓｕ分割方法提高了图像分割准确性，运算量减少，加快了分割速度，非常适应于图像实时 处理。 关键词：最大类间方差；图像分割；阈值；遗传算法 中图分类号：ＴＰ３９１．４ 文献标识码：Ａ
Ａｎ Ｉｍｐｒｏｖｅｄ Ｉｍａｇｅ Ｓｅｇｍｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ Ｏｔｓｕ Ｍｅｔｈｏｄ
ＨＡＮ Ｃｕｉ—ｙｉｎｇ，ＫＯＮＧ Ｊｕａｎ
（Ａｎｙａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｎｏｒｔｈ Ｃａｍｐｕｓ，Ａａｙａｎｇ Ｈｅｎａｎ ４５５０００，Ｃｈｉｎａ）
ＡＢＳＴＲＡＣＴ：Ｉｎ ｍｏｓｔ ｏｓｔｕ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍｓ，ｔｈｅ ｏｐｔｉｍｕｍ ｔｈｒｅｓｈｏｌｄ ｃｈｏｉｃｅ ｉｓ ｔｈｅ ｋｅｙ ｔｏ ｉｍａｇｅ ｓｅｇ－
ｍｅｎｔａｔｉｏｎ．Ｔｒａｄｉｔｉｏｎａｌ ｏｓｔｕ ｔｈｒｅｓｈｏｌｄ ｉｓ ｓｅｌｅｃｔｅｄ ｂｙ ｅｘｈａｕｓｔｉｖｅ ｓｅａｒｃｈ ａｌｇｏｒｉｔｈｍｏｎ，ｗｈｉｃｈ ｉｔ ｉｓ ｏｆ ｈｉｇｈ ｔｉｍｅ ｃｏｓｔ，ｌｏｗ
数字图像处理的课程设计
一、课程目标
知识目标：
1. 理解数字图像处理的基本概念，掌握图像的数字化表示方法；
2. 掌握图像处理的基本操作，如图像变换、滤波、增强和复原；
3. 了解常见的图像分割和特征提取方法，并应用于实际问题；
4. 掌握图像压缩的基本原理及常用算法。
技能目标：
1. 能够运用图像处理软件进行基本的图像编辑和操作；
2. 能够编写简单的数字图像处理程序，实现对图像的基本处理功能；
3. 能够运用所学的图像处理方法解决实际问题，如图像去噪、图像增强等；
4. 能够对图像进行有效的压缩，以适应不同的应用场景。
情感态度价值观目标：
1. 培养学生对数字图像处理技术的兴趣和热情，激发其探索精神；
2. 培养学生的团队合作意识，学会与他人共同解决问题；
3. 增强学生的实际操作能力，使其认识到理论与实践相结合的重要性；
4. 引导学生关注图像处理技术在日常生活和各领域的应用，提高其科技素养。
课程性质：本课程为高年级选修课程，旨在使学生掌握数字图像处理的基本原理和方法，培养其实际应用能力。
学生特点：学生具备一定的数学基础和编程能力，对图像处理有一定了解，但尚未深入学习。 教学要求：结合学生特点和课程性质，注重理论与实践相结合，以实际应用为导向，提高学生的动手能力和创新能力。通过本课程的学习，使学生能够达到上述课程目标，为未来进一步学习和研究打下坚实基础。
二、教学内容
1. 数字图像基础：包括图像的数字化表示、图像质量评价、颜色模型等基本概念；
- 教材章节：第1章 数字图像处理基础
2. 图像增强：介绍直方图均衡化、图像平滑、锐化等增强方法；
- 教材章节：第3章 图像增强
3. 图像复原：涉及图像退化模型、逆滤波、维纳滤波等复原方法；
- 教材章节：第4章 图像复原
4. 图像分割与特征提取：包括阈值分割、边缘检测、区域生长等分割方法，以及特征点的提取和描述；
- 教材章节：第5章 图像分割与特征提取
算注语言信IB
与电厢
China Computer & Communication
2020年第23期
基于深度学习的图像分割技术分析
张影
（苏州科技大学电子与信息工程学院，江苏苏州
215009 ）
摘 要：近年来，深度学习已广泛应用在计算机视觉中，涵盖了图像分割、特征提取以及目标识别等方面，其中图
像分割问题一直是一个经典难题。本文主要对基于深度学习的图像分割技术的方法和研究现状进行了归纳总结，并就深
度学习的图像处理技术进行详细讨论，主要从4
个角度讨论处理图像分割的方法，最后对图像分割领域的技术发展做了
总结。
关键词：深度学习；图像分割；深度网络
中图分类号：TP391.4
文献标识码：A
文章编号
：4003-9767 （2020） 23-068-02
Research Review on Image Segmentation Based on Deep Learning
ZHANG Ying
(College of Electronics and Information Engineering, Suzhou University of Science and Technology, Suzhou Jiangsu 215009, China)
Abstract：
In recent years, deep learning has been widely used in computer vision, covering image segmentation, feature
extraction and target recognition, among which image segmentation has always been a classic problem. In this paper, the methods and
research status of image segmentation technology based on deep learning are summarized, and the image processing technology of deep
