数字图像处理方向研究生多学科协同培养模式与机制研究

王鹏　王弘颖

摘  要：在研究生多学科协同培养模式与机制背景下，该文以信息学科数字图像处理方向研究生培养为例，将信息学科与测绘学科有效协同，在原有的信息学科数字图像方向培养方案上，增设遥感数据获取、遥感数据预处理、遥感数据超分辨率制图三个主题的测绘学科培养方案，不但实现学科之间的交叉融合，用实际应用案例激发研究生的学习兴趣，而且能培养数字图像方向研究生成为解决复杂学科交叉问题，促进新兴特色学科发展，最终推动社会科技进步的高层次复合型人才。

关键词：研究生培养模式与机制；多学科协同；数字图像处理；遥感数据；培养方案

中图分类号：C961        文献标志码：A          文章编号：2096-000X（2023）14-0155-04

Abstract： Under the background of multi-disciplinary collaborative training mode and mechanism for graduate students， taking the graduate students training in the direction of digital image processing of information discipline as an example， this paper effectively cooperates the information discipline with the discipline of surveying and mapping， and adds the training scheme of surveying and mapping discipline with three themes of remote sensing data acquisition， remote sensing data preprocessing and remote sensing data super-resolution mapping to the original training scheme of digital image direction of information discipline， which not only realizes the cross integration between disciplines， using practical application cases to stimulate graduate students' interest in learning， but also trains graduate students in digital image direction to solve complex interdisciplinary problems， promoting the development of new characteristic disciplines， and finally promoting the progress of social science and technology.

Keywords： graduate students training mode and mechanism; multidisciplinary collaboration; digital image processing; remote sensing data; training program

随着我国建设的快速发展，目前无论从事创新性研究的顶尖人才，还是从事高新技术工作的应用型人员都十分紧缺。这种情况使得对人才培养提出了更高的要求，而研究生多学科协同培养模式与机制则具备这一优势。研究生多学科协同培养模式与机制突破了传统的学科分割，使不同学科间相互交叉、融合、渗透。研究生多学科协同培养模式与机制能够融合不同学科知识作为主要研究内容和方向，并以此开展前沿科学研究，使研究生成为能解决复杂学科交叉问题，促进新兴特色学科发展，最终推动社会科技进步的高层次复合型人才。

数字图像处理方向是信息学科研究生的主要研究方向之一。要求研究生不但掌握有关数字图像处理的基本概念和基础理论，同时也要能够利用计算机编程实现数字图像信息的各种处理， 例如图像增强、变换、重建、分割、分类和制图等。数字图像处理的相关技术已经在智慧城市、智慧农业，以及防灾减灾等各个领域得到了广泛應用。因此掌握数字图像处理原理并能够灵活运用相关知识解决实际问题，对于今后研究生更好地在工作岗位从事相关领域工作有极大的帮助。

在研究生多学科协同培养模式与机制背景下，要积极开展学科交叉融合，不应仅仅培养研究生掌握信息学科中数字图像处理方向的基本知识，同时也应该尝试传授研究生数字图像处理在其他学科具体的应用案列。本文我们将信息学科与测绘学科有效协同，培养数字图像处理方向研究生解决复杂学科交叉问题，促进新兴特色学科发展。在原有的信息学科数字图像处理方向培养方案上，增设遥感数据获取、遥感数据预处理、遥感数据超分辨率制图三个主题的测绘学科培养方案，不仅实现了学科之间的交叉融合，用实际应用案例激发研究生的学习兴趣，而且进一步提升了研究生自主学习的能力和解决实际问题的能力。

一  研究现状

数字图像处理作为面向信息学科的主要研究方向之一，不仅要求研究生在课堂上学习有关的概念和原理，同时也需要在实验室利用计算机编程实现有关的各种处理， 例如图像增强、重建、压缩和制图等[1-3]。数字图像处理技术已经在农业、林业及军事等各个领域得到了广泛的应用[4-6]。数字图像处理的培养目标是研究生能够灵活运用相关知识解决实际工程问题，对于一些研究生毕业后从事相关领域的工作给予极大帮助[7-10]。目前有许多课题对培养数字图像处理方向研究生进行探索与研究，例如曹风云等[11]对基于MATLAB仿真的数字图像处理实验进行了全面的综述，便于该方向的研究生更好地掌握运用基于MATLAB仿真的数字图像处理知识; 程永春等[12]以沥青混合料级配检测为例对数字图像处理实验进行讲解；赵杰等[13]以图像去雾为例对数字图像实验中的图像增强进行创新型实验设计；王俊辉等[14]设计基于LabVIEW的软件辅助数字图像处理实验教学实践；周越等[15]设计了触屏交互的图像处理实验平台辅助数字图像处理实验教学。

通过以上对数字图像处理方向研究生培养现状的分析，可以发现目前对数字图像处理方向研究生的培养仍停留于对信息学科的数字图像处理知识进行改进和优化，往往集中在对教学方法和教学软件方面的研究和创新，信息学科与其他学科协同培养数字图像处理方向研究生的研究鲜有报道。鉴于此，本项目将信息学科与测绘学科有效协同，培养数字图像处理方向研究生能够解决复杂学科交叉问题，促进新兴特色学科发展，最终推动社会科技进步。

二  研究总体框架

以研究生多学科协同培养模式与机制为契机，在数字图像处理方向研究生培养的建设过程中积极开展学科交叉融合。总体框架如图1所示，本项目以数字图像处理延展到测绘学科为实例，在原有的培养方案基础上增加遥感数据获取-遥感数据预处理-遥感数据超分辨率制图三个主题的数字图像处理在测绘学科的应用案例。

首先在遥感数据获取阶段增加户外教学，指导研究生运用手持光谱仪和操作无人机设备获取遥感数据，这是测绘学科特有的培养方案，锻炼研究生动手能力，不同于信息学科的数字图像处理方向研究生往往仅用网上的公共数据资源进行研究，调动研究生实验兴趣；其次，在遥感数据预处理阶段，除了指导研究生运用数字图像处理相关知识对遥感数据进行整饰、纠正、变换、特征提取和波段融合等预处理外，特别向研究生介绍测绘学科常用的软件处理工具ENVI（The Environment for Visualizing Images）处理平台，拓展研究生视野。最后针对遥感数据超分辨率制图，准备一些测绘学科国际或国内前沿问题，让研究生运用信息学科的数字图像处理知识去进行实验操作，进一步提高研究生的综合应用能力。

三  研究内容

（一）  培养研究生遥感数据获取能力

在本环节，首先向研究生介绍各种平台采集遥感数据的基本原理，然后采用全新的户外培养模式，将研究生从室内实验引导到户外实验，指导研究生运用手持式光谱仪进行近地遥感数据获取。此外，指导研究生操作无人机设备进行航天遥感数据获取；进一步指导研究生运用航天遥感数据获取平台，下载得到航空遥感数据。

經过增设本测绘学科培养内容，研究生能够准确操作遥感数据采集设备，熟悉成像环境和成像原理，提高了研究生的实践操作水平。

（二）  培养研究生遥感数据预处理能力

由于地物类别的复杂性和硬件设备自身的局限性，平台直接获取的初始遥感数据通常不能直接满足接下来的实际应用，此时我们需要对直接获取的初始遥感数进行预处理，预处理一般包括纠正、修正、变换、镶嵌、光谱解混、特征提取和波段融合等环节。

我们在遥感数据预处理过程中也指导研究生运用测绘学科常用的软件工具ENVI进行操作。例如指导学生运用ENVI工具进行遥感数据不同波段融合，进行特征提取。以Landsat系列卫星为例，说明不同波段融合可以显示哪些类别。该数据是Landsat8在罗马上空获得的多光谱图像，包括6个波段，分别是短波红外1、短波红外2、蓝波段、绿波段、红波段和近红外波段，大小为400×300个像素。近红外波段，红波段和绿波段的融合结果可以区分植被的种类，也可以用于监测植被生长情况，红色表示植被，红色越明亮表示植被越健康。近红外波段，短波红外1和红波段融合结果可以有效区分陆地和水体，陆地是深浅的橙色和绿色，水是深浅蓝色。增加该培养内容，使研究生可以掌握软件工具ENVI的使用，拓展了研究生在测绘学科的知识面。

（三）  培养研究生遥感数据超分辨率制图能力

为了进一步培养研究生运用数字图像处理知识来解决测绘学科研究热点，提高研究生的综合应用能力，在这个培养环节，指导研究生进行遥感数据超分辨率制图。

由于简单的物理意义和快速的运算结果，基于双线性插值的遥感数据超分辨率制图已经成为一种最为常见的遥感数据超分辨率制图方法。首先，利用光谱解混技术处理原始低分辨率遥感数据获得具有像元属于每个类别比例值的低分辨率丰度图像；其次，利用双线性插值方法对低分辨率丰度图像进行上采样变成具有亚像元属于每个类别比例值的高分辨率丰度图像；最后，根据高分辨率丰度图像提供的比例数值，利用类别分配方法将类别标签分配到亚像元中，最终得到超分辨率制图结果。

通过对现有的基于双线性插值的超分辨率制图的处理流程进行分析，可以发现现有的方法中精细空间分辨率图像都是通过将原始低分辨率遥感数据进行先解混后双线性插值处理获得的，虽然由于双线性插值的原因，使得精细空间分辨率图像携带大量的原始图像空间信息，但是由于原始低分辨率图像中各个类别分布的不确定性和现有光谱解混技术的局限性，使得原始遥感数据中的监督信息，特别是光谱信息不能被充分利用，进而导致超分辨率制图结果的精度受到影响。为了更加充分利用原始图像中的空-光谱信息，从而改善超分辨率制图结果，因此培养研究生利用数字图像所学知识找出新的改进方法，提出了一种新型的基于双路径下双线性插值的超分辨率制图算法，如图2所示。

步骤1：原始低分辨率遥感数据通过光谱解混得到低分辨率丰度值图像。与此同时该原始图像将会通过双线性插值获得一个高分辨率图像。

步骤2：空间项将会通过对低分辨率丰度值图像进行双线性插值获得，而光谱项将会通过直接解混高分辨率图像获得。

步骤3：空间项和光谱项进行整合产生出一个具有更多空-谱信息的目标项。

步骤4：在每个类别亚像元数目固定的限制下，依据目标项中的亚像元丰度值的大小，利用类别分配法将类别标签分配到各个亚像元中，完成超分辨率制图。

从流程图2可以看出，空间项的主要贡献是它通过双线性插值使低分辨率丰度图像变成具有丰富空间信息的高分辨率图像；但是只通过以上单一的步骤原始遥感数据的光谱信息很难被充分地提取出来，这时光谱项作为补充光谱信息而发挥作用，它通过双线性插值使得原始的低分辨率遥感数据变成高分辨率图像，由于图像分辨率提高的原因，使得光谱信息更容易被提取出来。最后两个具有不同的信息和亚像元丰度值的目标项通过合适的参数进行整合得到具有更多空-光谱信息的亚像元丰度值，具有更多信息的亚像元丰度值将会导致一个更为理想的超分辨率制图结果产生。

该培养方案的增设进一步加深了研究生对数字图像处理在测绘学科应用的理解，并且提高了解决实际测绘学科问题的能力。

四  结束语

在研究生多学科协同培养模式与机制背景下，利用信息学科与测绘学科协同培养数字图像处理方向研究生的改革研究，能进一步利用数字图像处理所学内容解决实际问题，给研究生提供了发挥自己创造能力的机会， 在很大程度上提高了研究生的学习主动性和创新能力，对于提高研究生科研能力和工程实践能力有显著的效果。该研究成果可以为其他学科的研究生培养模式提供借鉴，以加快信息辐射和引领示范，为培养国家各行业各领域急需的高素质交叉学科人才做出更大的贡献。

参考文献：

[1] 张显斗，李倩，王萌萌，等.研究生数字图像处理教学模式与实验改革探索[J].实验室研究与探索，2018（3）：162-165.

[2] SCHOWENGERDT R A. Remote Sensing： Models and Methods for Image Processing[M]. San Diego， CA： Academic， 1997.

[3] 姜山，双凯.“数字图像处理”课程的实验教学改革浅谈主导技术[J].实验室研究与探索，2006（5）：124-128.

[4] 颜焕欢，张培镇，王伊侬，等.肌骨超声图像特征检测及拼接[J]．中国图象图形学报，2020（5）：1032-1042.

[5] 彭小江，喬宇.面部表情分析进展和挑战[J].中国图象图形学报，2020（11）：2337-2348.

[6] 刘银华．工科研究生工程及科研能力的培养方法思考[J]．高教学刊，2016（3）：224-225．

[7] 张吉军.新工科背景下大学生就业能力提升路径探索[J].黑龙江高教研究，2018（5）：130-133.

[8] 蒋伟，官礼和，刘亚威．数字图像处理创新实验的研究与实践[J]．实验室研究与探索，2011（7）：236-238．

[9] 张红光，孙晓娜，纪常伟，等．开放实验室，培养大学生的创新精神和实践能力[J]．实验技术与管理，2011（6）：16-19．

[10] 郑家茂，熊宏齐，潘晓卉．构建开放创新实验教学体系推动学生自主学习[J]．中国高等教育，2009（5）：39-41．

[11] 曹风云，胡玉娟，杨雪洁.基于MATLAB仿真的数字图像处理课程实验教学综述[J].软件导刊（教育技术），2017，16（9）：68-70.

[12] 程永春，马健生，颜廷野，等.基于数字图像处理技术的沥青混合料级配检测方法[J]．科学技术与工程，2017（32）：332-338．

[13] 赵杰，杨阳，李英.图像增强的创新型实验设计——以图像去雾为例[J]．计算机与数字工程，2019，47（6）：959-961，996.

[14] 王俊辉，赵猛，张贺，等.基于LabVIEW的数字图像处理实验的教学实践[J]．实验室科学，2019，22（6）：70-73.

[15] 周越，李响.触屏交互的图像处理实验平台设计[J].实验室研究与探索，2018，37（2）：98-100，127.

基金项目：江苏省教育科学“十四五”规划专项课题项目“基于自检与竞赛协同的数字图像处理实验考试改革与评价研究”（K-c/2021/08）；南京航空航天大学2021年研究生教育教学改革研究项目“研究生多学科协同培养模式与机制——以信息学科数字图像处理方向研究生培养为例”（2021YJXGG11）；南京航空航天大学2022年“实验技术研究与开发”项目“基于深度学习的高光谱遥感图像分类实验平台系统”（SYJS202203Y）；南京航空航天大学2020年教师教学能力提升研究课题项目“基于人工智能的新型数字图像处理实验线下教学模式研究”（20JF0402）；南京邮电大学2022年教学改革研究项目“基于深度学习的学生混合课堂专注度追踪与提升——以《创新与创业管理》课程为例”（JG00122JX42）；南京邮电大学管理学院2022年“课程思政”示范课程建设项目（无编号）

第一作者简介：王鹏（1989-），男，汉族，河北黄骅人，博士，副教授。研究方向为图像处理。