基于“专创融合”的数字图像处理课程教学改革与实践.docxVIP

基于“专创融合”的数字图像处理课程教学改革与实践

1数字图像处理的学科特点

在获取信息的过程中，视觉信息作为信息的重要来源，对于人的发展具有重要作用。近年来，随着科技的不断发展，数字图像处理技术已在航空航天、生物医学、军事公安、工业等多个领域得到广泛应用，与人们的日常生活密切相关，在推动社会发展、改善人民生活质量中起到了重要作用。

数字图像处理是计算机科学与技术专业重要的必修课程、核心课程，是通信工程等相关专业的重要选修课程。数字图像处理作为一门高度综合的交叉边缘学科，融合了计算机科学、传感器、信号处理、光学、数学等学科[1]，主要讲述了利用计算机技术对图像进行去除噪声、特征提取以及图像增强、图像分割、图像复原等方面的理论和方法[2]。在一般的图像处理过程中，首先通过摄取图像、光电转换等步骤进行图像获取，再进行图像预处理，包括图像增强、图像恢复、几何变换等，再进行图像分割、特征提取、图像识别、图像理解分析[3]。图像处理具有较强的综合性，对于知识实践应用能力要求较高，要求学生在理解复杂理论知识的基础上进行工程实践[4]。

数字图像处理领域对大学生专业素质的基本要求如下：

（1）深刻理解并掌握图像处理原理和理论基础；

（2）具有出色的工程实践能力，能够独立完成工程实践项目[5]；

（3）具有创新精神和创新意识。

2数字图像处理领域践行“双创”教育的方法

数字图像处理课程的培养目标是使学生掌握并理解课程的基本原理及理论知识，培养学生的应用能力和专业实践能力，提高编程能力，使学生能够利用数字图像处理技术并结合创新意识进行实践，从而培养出从事图形处理工作的专门人才。教师应引导学生将理论知识与实践能力相结合，开发创新点，解决在应用中遇到的实际问题[6]。随着科技的进步，数字图像处理技术迅速发展，并与其他应用学科融合，成为这些学科研究和发展的基础[7]。人工智能的诸多应用，如图像分析、行为识别等，都离不开数字图像处理技术。

然而，传统的数字图像处理课程侧重于知识的教授，未能与现实工程实践相结合，容易导致学生脱离实际应用[8]。此外，图像处理作为与科技进步紧密结合的学科，其知识更新速度快，基于课本知识的学习会导致学生不了解前沿的理论与应用，学习效果不佳。因此，众多数字图像处理培养改革方案被提出。温旭云等提出了基于学生目标导向的数字图像处理课程改革，主张以学生个体的就业目标为中心，由学生自主选择学习通道，提高学生自我学习驱动力[9]。钟必能等提出了以“翻转课堂”为途径，将项目教学融入日常教学的培养方案，主张广泛利用线上平台，解决书本知识更新慢、课堂教学沉闷的问题，提高学生的学习积极性[10]。贾永红等提出了利用数字图像处理慕课教学平台实现线上线下相结合，增强师生互动，提高知识的差异性辅导，更好地发挥教师的引导作用[11]。

党的十七大报告提出“促进以创业带动就业”和“提高自主创新能力，建设创新型国家”的发展战略。大学生群体具有较强的创新创业潜力[12]。在高等学校开展创新创业教育，有助于培养学生的创新精神和实践能力，促进高校毕业生充分就业创业，进而把我国建设成为创新型国家[13]。为了真正促进学生图像处理工程实践应用能力的提升，笔者提出基于“专创融合”的数字图像处理教学改革，从教学手段、教学方法和实践教学等方面进行探索。

3基于“专创融合”的数字图像处理课程改革实践

3.1构建“以学生为中心、以能力培养为引导”的数字图像处理教学模式

积极探索理论与实践相结合的教学模式，遵循理论与实践并重，强化应用能力培养的四个教学环节，如图1所示。

图1四个教学环节

（1）理论分析。

现有教材的数字图像处理理论内容存在多、繁、杂的特点，有些内容理论性较强，学习起来比较枯燥，且不能反映当前技术的最新进展，学生容易丧失学习兴趣。为此，笔者在理论分析环节进行教学改革，教学时贯彻“少而精”的原则，删除一些陈旧的内容，结合当前人工智能的发展现状，增加新的内容，如图像特征描述子、卷积神经网络等，为实践教学环节留出更多时间，使学生在实践的基础加深对知识的理解。

（2）理论验证。

理论验证环节结合动画、demo等进行展示，增强理论学习的直观性和趣味性，使学生快速理解理论，增强学习的兴趣，为后续编程实现和综合实践打下基础。

（3）流程设计。

流程设计环节采用框图、算法流程图等方式，使学生从整体上掌握理论实现的步骤以及实现过程中所涉及的知识点。

（4）编程实现。

编程实现环节采用难易结合的方式，对课本基本理论，如简单的图像运算、直方图均衡化、图像空余滤波等，提供示例代码，及时让学生理论联系实际进行实践，让学生快速上手，体会到学习的乐趣。待学生基本熟悉了数字图像处理的流程后，教师逐步提高难度，布置一些综合性较强的题目，如JPEG图像压缩、细胞分割与计数，进一步提高