图像处理

课程编码：085400M05022N 英文名称：Image Processing 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：胡晰远等

本课程讲授数字图像处理与分析领域中的基础概念、图像在空间域和频率域的经典处理技术、算法思想以及最新进展。主要内容包括：数字图像的基本概念与模型、图像的统计描述、图像增强、形态学与边缘检测、图像复原、小波分析与多分辨率分析技术、深度学习模型进展等。通过本课程的学习，希望学生能了解图像处理的基本概念、经典算法及其背后的数学模型，为进一步学习机器视觉与图像理解打下坚实的基础，并通过C++/Matlab/Python等语言对所学习内容的实践验证，加深对知识的理解与应用，提升学生的动手实践与研究能力。

无

第一章 视觉与图像 4学时
第1节 人类视觉机理以及机器视觉的基本原理
第2节 数字图像的获取（成像与采样）
第3节 图像处理的应用领域介绍
第4节 课程的安排与要求
第二章 数字图像的基本概念 5学时
第1节 数字图像处理的发展简史
第2节 图像处理的主要任务（增强、去噪、复原等）
第3节 数字图像表示中的各种元素及概念
第4节 数字图像处理所用的基本数学工具介绍
第5节 基本的图像处理系统及工具集介绍
第三章 图像的空间域处理 4学时
第1节 基本灰度变化函数介绍
第2节 直方图处理（定义、均衡化、规定化，增强）
第3节 空间域滤波基础
第4节 空间域图像增强滤波（平滑、锐化、统计）
第四章 图像的频率域处理 4学时
第1节 傅里叶变换基础
第2节 二维傅里叶变换及其性质
第3节 频率域滤波基础
第4节 特殊频率域滤波器（同态、选择性滤波等）
第五章 彩色图像处理 3学时
第1节 彩色模型（空间）基础
第2节 伪彩色图像处理
第3节 彩色变换与彩色图像处理
第六章 形态学处理 4学时
第1节 预备知识和形态学基本概念
第2节 膨胀和腐蚀、开运算与闭运算
第3节 一些基本的形态学算法
第4节 灰度图像形态学算法介绍
第七章 小波与多尺度分析 4学时
第1节 矩阵变换及基函数相关概念
第2节 一维、二维小波变换介绍
第3节 几何多尺度分析介绍
第4节 小波、几何多尺度变换在图像处理中的应用介绍
第八章 图像复原与重建 6学时
第1节 图像复原和重建的概念
第2节 线性反问题介绍及MAP框架
第3节 图像空间域统计模型
第4节 图像小波域统计模型
第5节 图像去噪声
第6节 图像去模糊和超分辨率重建介绍
第九章 图像压缩与编码 3学时
第1节 图像压缩基本概念
第2节 图像变换编码算法介绍
第3节 图像预测编码算法介绍
第十章 图像特征提取与表示 3学时
第1节 图像特征与特征描述子
第2节 整体图像特征介绍
第3节 边缘检测、二值化与图像分割介绍
第十一章 图像处理中的深度学习方法 3学时
第1节 神经网络与深度学习介绍
第2节 深度卷积神经网络及其在图像处理中的应用
第3节 生成对抗网络介绍
第十二章 考试 1学时
第1节 考试

胡晰远，南京理工大学计算机学院教授，博导。2011年博士毕业于中国科学院自动化研究所，2012和2014年分别在台湾中央研究院和美国哈佛大学任访问学者。在信号自适应分解理论及应用，低质量图像和视频处理等领域开展研究工作，出版专著两部（科学出版社，清华大学出版社），在IEEE T-SP，IEEE T-MM，CVPR，ECCV，ACM MM等期刊和会议中发表论文60余篇，主持多项国家自然科学基金和国家重点研发计划课题。2020年获公安部科学技术奖一等奖，2019年获中国计算机学会（CCF）科技进步优秀奖，2019年获中国感光学会青年科技奖。
练智超，南京理工大学副教授，新加坡南洋理工大学博士，耶鲁大学博士后。主要从事图像处理、计算机视觉和模式识别等方向的研究工作。IEEE会员，中国图像图形学学会交通视频专委会委员。已发表学术专著2部，论文50余篇，被SCI收录20余篇，EI收录40余篇，申请国家发明专利十余项，获得软件著作权十余项。近年来主持参与多项国家重大研发计划、军委装发项目、国家自然科学基金与省部级科研项目的研究。2015年获得江苏省双创博士（高校创新类）。2017年作为主要完成人获得工业和信息化部组织的第二届中国军民两用技术创新应用大赛铜奖。