AI时代“数字图像处理”教学面临的挑战和改革路径

胡春华?程鲁玉?谢岚

摘要：人工智能给数字图像处理带来了全新的发展思路，但在当前高校“数字图像处理”课程的教学中，很少将人工智能融入其中。此外，课程教学内容陈旧、教学方法单一、课程实验缺乏创新等问题也存在。这些问题严重影响了教学效果，妨碍了复合型和创新型人才的培养。为解决这些问题，本文以人工智能为背景，从理论教学、实验教学、考核方式和综合项目扩展四个方面展开教学改革。该课程改革方案以学生为中心，以项目为驱动，以全面和多角度为目标，以探索为方向，并提出了具体的实施措施。

关键词：人工智能；数字图像处理；教学改革

随着信息技术的快速发展和计算机、电子技术的进步，数字图像处理技术已经广泛应用于工业、农业、医学、军事等领域。这种技术已经成为信息化社会的重要基础和支撑。因此，“数字图像处理”课程也具有了新的意义。

“数字图像处理”是一门综合性强、先导课程多、实践要求高、算法快速更新的专业课或选修课，适用于计算机类和电子信息专业类的学生。在教学过程中，教师需要具备丰富的知识储备和教学能力，而学生则需要有扎实的专业基础。这门课程的教学目标是培养学生的图像处理能力，使他们能够运用先进的算法和技术来处理图像，并掌握实践应用的技巧。

一、人工智能背景介绍

人工智能是一种以计算机为核心、通过机器模拟人的智能的技术。在大数据和互联网技术发展的背景下，人工智能在计算机、互联网、通信等领域得到了广泛的应用，尤其是在计算机视觉领域取得了长足的发展。人工智能涵盖的范围非常广泛，主要包括机器学习、知识表示和推理、深度学习、自然语言处理、机器人学等。

图像处理是指根据人们对事物的认知规律，将数字图像或模拟信号进行加工处理，并以一定的形式输出。图像处理的基本过程包括图像数字化、图像压缩编码和图像显示。在数字化阶段，将模拟信号转换成数字信号；在图像压缩编码阶段，将数字信号压缩成模拟信号；在图像显示阶段，通过显示器将存储的数字图像显示出来。在这个过程中，需要对图像进行编码、压缩、调制、传输等操作。为了提高图像处理的效率，人们还提出了多种图像处理技术，如小波变换、 Hilbert变换、数学形态学等。

近年来，随着计算机硬件水平和计算能力的快速提升，基于深度学习的图像识别技术逐渐成为研究热点。深度学习已经应用于许多领域，包括图像识别、目标检测、人脸识别等。通过深度学习算法和大规模数据集的训练，计算机可以学习到更复杂的特征表示，从而提高图像处理的准确性和效率。人工智能和图像处理的结合将会在许多领域产生重要的影响，如自动驾驶、智能安防、医学影像分析等。

二、人工智能背景下“数字图像处理”教学改革存在问题

（一）过分注重理论忽视实践

“数字图像处理”是一门实践性很强的课程。但由于课程内容抽象复杂，很多学生在学习过程中难以理解和掌握理论知识。教师也往往只注重理论讲解，而缺乏对实践环节的重视，导致学生对所学内容难以进行全面理解和应用。此外，由于时间和教学条件的限制，很多数字图像处理课程只能在有限的学时内完成。为了解决这些问题，教师应该在教学中充分考虑如何将理论教学和实践教学有机结合起来。在授课时，可以将每一个知识点都与具体的应用案例相结合，让学生更容易理解和记忆。对于理论知识的讲解，要通俗易懂、深入浅出，避免使用过于专业或抽象的术语，让学生能够轻松理解。对于实际应用问题，要深入讲解并给出详细解答，引导学生思考如何将所学知识应用到实际问题中。同时，要适当增加实践环节的教学内容和时间，让学生有机会实际动手操作和实践，提高他们的学习兴趣和积极性。

（二）教学内容过于陈旧

目前，“數字图像处理”课程教学内容主要围绕线性时不变系统展开，包括信号与系统、离散傅里叶变换和连续时间系统等基础理论和方法。虽然这些内容在教学上是必要的，但传统的数字图像处理教材已过时，无法跟上现代通信技术和数字图像处理理论的快速发展。此外，该课程缺乏实验课程，这也是目前教材中未涉及的。因此，在人工智能背景下，数字图像处理课程的教学内容和教学方法需要进行相应调整。教育者应该根据不同专业学生的需求和特点，结合理论与实践，改革数字图像处理课程，提高学生对相关理论知识的理解和应用能力。

（三）教师所选择的考核方式比较单一

随着人工智能技术的发展，“数字图像处理”课程在教学过程中，教师所选择的考核方式比较单一，主要以试卷成绩为评价标准。然而，单一的考核方式存在问题，其中试卷成绩可能强调死记硬背的内容。这导致学生在考试时倾向于选择相对简单且容易得分的题目，忽略了更具挑战和创新性的题目。这样的考核方式不利于培养学生综合运用所学知识解决问题的能力，也不利于培养学生的创新意识和创新能力。因此，有必要对考核方式进行改革。除了试卷成绩之外，可以引入其他评估方式，比如平时成绩、实验成绩和设计成绩等，以全面考查学生的综合能力。通过平时成绩的考核，可以鼓励学生积极参与课堂讨论、完成作业以及与同学进行互动，培养他们的主动学习和合作能力。实验成绩可以评估学生实际应用能力的掌握情况，鼓励他们进行实际操作并分析实验结果。设计成绩可以评估学生解决实际问题的能力和创新能力。通过多维度的考核方式，可以更全面地评估学生的学习情况，并能够更好地培养他们的综合能力和创新意识。

三、人工智能背景下数字图像处理教学改革路径

（一）坚持以学生为中心进行理论知识内容改革与完善

课程内容改革是以学生为中心的重要举措，旨在提升课程的针对性和实用性。当前的“数字图像处理”课程内容包括理论基础、典型图像处理算法和工程应用实例三个层次。为了更好地达到教学目标，需要注意以下几个方面的改进：首先，在理论知识的传授上，需要采用通俗易懂的授课方法，将数字图像处理的概念、原理和方法解释清楚。理论知识不宜过于深入，以确保学生能够理解和掌握基本概念和关键原理；其次，典型算法和工程应用实例的讲解应重点突出。这些算法和实例是帮助学生理解理论知识和实际应用的关键环节。在介绍典型算法时，可以选择几种最基础和常用的算法进行讲解，同时强调其在数字图像处理中的应用场景和效果。工程应用实例应选取与学生未来就业方向密切相关的内容，例如与人工智能、大数据等领域的应用；最后，课程内容的更新也是必要的。数字图像处理技术在不断发展和应用，教材内容应紧跟时代潮流，及时更新和补充新的理论和实践成果。可以通过教材的修订和引入实际案例等方式，持续优化课程内容。

在教学改革中，除了注重理论课程的阐述，优化实验设计并强化学生实践技能也是非常重要的。为了确保理论课程和实验课程的顺利开展，学校可以考虑增加3—4位助理讲师，他们可以及时解答学生的问题，提高学生在数字图像处理方面的兴趣和探究精神。当前，大部分大学选用的主流教科书是 Gonzalez RC的 《Digital Image Processing》（第三版）。为了跟上时代发展，可以在教科书修订的基础上，更新教学课件，加入有关神经网络基本原理和实际应用的内容。特别是结合人工智能背景，将利用神经网络进行图像分类和识别的部分加入模式识别部分。同时，针对教科书中所选的样本图片，可以从网络或公共数据库（如ImageNet）中筛选出新奇、感兴趣的样本图片，通过对样本图片的验证，增加学生的兴趣。也可以引入更多的动物、人物和风景等图片，丰富样本图片库。

（二）利用信息化技术手段采用任务驱动教学法进行实验内容改革

在实验内容的改革中，可以采用任务驱动教学法来激发学生的学习兴趣和提高实践动手能力。例如，通过图像去噪、去模糊、增强等任务来让学生主动完成实验，教师可以对学生的结果进行检查和点评。同时，采用视频方式进行实验可以利用现代化技术手段将图像处理知识以直观易懂的形式呈现给学生，从而增强学生的学习兴趣和热情。在实验中，还要提高实验设备的利用率，合理安排实驗设备的使用时间，使学生能够在不同学期都有机会进行实践。

在专题的筹备工作中，可以分为小组讨论、文献研究和相关知识学习三个阶段。首先，鼓励学生在课余时间自发组成小组，培养团队合作意识。对于没有组队的学生，教师或助理可以帮助他们选择团队成员。其次，教授学生科学文献搜索的方法，激发他们的探究精神和创造力。并鼓励基础好的学生通过校园图书馆中的资料库阅读与计算机视觉相关的学术期刊，对基础较差的学生，则可以适当放宽标准。最后，教授学生网络调参技巧和程序的工程化方法，以帮助他们积极学习。完成课题后，学生可以通过PPT的形式沟通和展示所学到的知识，包括卷积神经网络的设计、代码的实现、训练集的精确度以及最终的测试集的精确度等，并接受教师的评语和打分。

（三）坚持多角度全面的考核方式进行综合考核

在目前的“数字图像处理”的教学中，评价方式相对简单，主要以理论测验和实验报告为评价依据。然而，这种评价方法无法全面展现学生的学习成果，无法培养学生的动手实践能力和团队协作精神。传统教学中，唯一评价学生学习的标准是期末考试成绩，缺乏平时成绩和实践创新的考核。这样的评价方式显然不合理。

因此，为了全面考核学生的综合素质，教师需要从多个角度进行评价。在平时成绩方面，可以通过课堂提问、讨论和实验报告等方式，对学生的学习情况进行考核。实验成绩可以通过实验报告和课堂演示等方式对学生的实验操作能力进行评价。而实践报告方面，则可以通过设计小程序、实现算法、编写代码和调试等方式对学生的创新能力进行评估。通过多角度、全面的考核方式，学生可以认识到自身的不足之处，并激发学习兴趣和热情，培养独立思考、问题分析和解决问题的能力。此外，通过综合考核平时成绩、实验成绩和实践报告，学生可以更好地认识到课程学习的重要性，激发主动学习的积极性。

（四）结合人工智能方向进行项目综合拓展与改革

结合人工智能方向进行项目综合拓展与改革，能够让学生在了解传统数字图像处理技术的基础上，掌握人工智能技术中的一些基本原理和应用。例如，在传统数字图像处理中，教师会介绍基本的图像去噪算法和图像增强算法，但是这些算法往往具有较强的局限性，对于一些特定的目标处理效果不理想。现在学生接触到了深度学习技术，了解了神经网络的基本原理和应用，那么教师可以在此基础上进行深度拓展。例如，可以让学生参与深度学习相关的课程设计和项目研究。具体来讲，可以让学生参与深度学习的相关课程设计，并以深度学习算法为例对数字图像处理中的一些基本理论进行实验验证；或者让学生参与相关项目研究，并以项目为例对数字图像处理中的一些基本理论进行实验验证。这样不仅可以提高学生学习兴趣和积极性，还能培养学生运用所学知识解决实际问题的能力。

为了确保综合项目的连续性，并实现对兴趣高、主动性强、基础扎实的学生的差异化培养，可以在教学的末尾对综合项目进行扩展。对集成题的拓展可以从两个方面入手：一是适当提高集成题的难度；二是针对具体问题进行拓展。以CIFAR-10为例，可以引入对抗性攻击（如向原始图像中加入干扰等）让学生利用卷积神经网络和最近邻分类器，在对抗性攻击下，确保训练集与测试集的正确性，并比较两种方法在对抗性攻击下的效果。此外，可以结合当前人工智能的发展趋势，深度学习与机器学习在图像处理与计算机视觉方面的重要进展，提出基于注意机制的图像恢复等课题。在此基础上，对学生进行科学研究写作的指导与培训，鼓励学生发挥创造性，并进一步对其进行归纳与整理。

四、结束语

人工智能是当下计算机科学与技术领域快速发展的必然趋势。在这个背景下，对于实用性较强的学科“数字图像处理”进行改革是必要的。本文提出了针对“数字图像处理”课程面临的问题的改革思路和举措，并在理论教学、实验教学和考核方式等方面进行了改革。实践证明，这些改革措施取得了良好的效果。

在人工智能技术的发展下，“数字图像处理”课程将进一步发展和完善，为学生的创新意识培养和综合能力提升提供重要保障。此外，改革还有助于提升学生的整体素质，使他们能够全面了解传统图像处理方法和相关的人工智能技术。这为学生在毕业后在数字图像处理领域的就业、深造和科研方面奠定了良好的基础。

参考文献

[1]巢海远，肖青云.数字图像处理课程教学资源建设实践与思考[J].教育信息化论坛，2023（02）：39-41.

[2]郑静，王腾.基于人工智能的数字图像处理课程优化设计与实践[J].电子技术，2022，51（10）：139-141.

[3]马保建，陈棒棒，刘向东.应用型本科院校机器人工程专业数字图像处理课程教学改革与探索[J].新疆农机化，2022（05）：39-41.

[4]钟必能，张洪博.人工智能时代数字图像处理的教学改革[J].科学咨询：教育科研，2021（09）：68-69.

[5]丁卫，王伟.“新工科”背景下数字图像处理课程教学改革与实践[J].太原城市职业技术学院学报，2021（08）：142-144.

[6]向德辉.数字图像处理课程的一种自顶向下教学方法[J].数字通信世界，2021（08）：255-257+262.