人工智能时代下的数字图像处理课程教学改革研究

关键词：人工智能技术；挑战和机遇；数字图像处理；教学改革；数据可视化

中图分类号：G642 文献标识码：A

文章编号：1009-3044（2024）25-0165-03

0 引言

近年来，人工智能技术得到了蓬勃发展。Chat⁃GPT、GPT-4o、LLaVA等大模型给各行各业带来了巨大的挑战和机遇。在人工智能时代的洪流中，人们不禁要思考人和机器的关系：哪些职业或工作会被机器替代？哪些工作可以由机器辅助完成？在这一背景下，高校教师如何利用人工智能技术对高等教育进行优化和改革，是亟须解决的重要课题[1]。

数字图像处理是利用数学方法和计算机算法来提高图像质量、分析图像内容并提高图像性能的技术[2]。该技术在医学、遥感、视频处理、工业检测等多个领域有着广泛应用。数字图像处理课程是计算机科学专业、人工智能专业、数据科学专业的专业必修课程。当今社会，人工智能技术与数字图像处理技术结合得越来越紧密。人们的需求不再停留于使用数字图像技术来提高图像质量，而是转向使用AI技术对图像的语义信息进行理解[3]。人类不仅希望机器具有视觉能力，更希望机器具有洞察力。例如，人脸识别技术、自动驾驶技术、智慧医学图像技术等通过神经网络模型对图像数据进行语义理解来提升社会生产的效率和质量。因此，本文以数字图像处理课程为研究对象，探讨在人工智能时代背景下高等教育的课程改革方案。

总的来说，本文贡献点如下：

1） 面向新质生产力[4]的教育任务，修改了现有数字图像处理的教学目标。

2） 根据教学目标，修改了课程教学大纲，引入了更多人工智能技术相关的知识点。

3） 在课程实施过程中，除了知识点学习，更加注重学生思维的锻炼，利用人工智能技术辅助教学过程。

4） 针对生成式AI技术[5]对课程作业的影响，提出了有效的学生课后学习方案。

1 教学改革方案

本文从课程目标、课程大纲、课程实施和课后学习几个角度探讨人工智能时代背景下数字图像处理课程的教学改革。

1.1 课程目标

本文充分调研了国内高校关于数字图像处理课程的教学目标，收集整理了包括清华大学、北京大学、上海交通大学、南京大学、盐城工学院、泰州学院、南京理工大学泰州科技学院、广州工商学院等共20所大学的数字图像处理课程教学目标。通过自然语言处理技术，去除停用词后，根据词频大小，绘制了现有数字图像处理课程的词云图。

如图1所示，目前主流大学的数字图像处理关键词为“基本概念”“基本原理”“彩色图像”等。本课题将“神经网络模型”“计算机视觉”“新质生产力”等关键词加入课程目标中。修改后，数字图像处理课程的课程目标为：“面向社会主义现代化需要的新质生产力要求，数字图像处理课程旨在培养具有高水平的应用型人才。学生应掌握数字图像的基本原理和神经网络模型的基本概念，了解前沿的人工智能技术，能够将计算机视觉技术应用到社会生产的各领域中。”

1.2 课程大纲

根据新制定的教学目标，本文对南京理工大学泰州科技学院数字图像处理课程的教学大纲进行了优化。

如表1所示，教学改革保留了第一章和第二章的知识点，因为图像的基本概念与基本运算是后续章节的基础。让学生清晰地认识数字图像的构成，对后续的前沿技术研究具有重要意义。第三章图像的变换内容中，课程删除了图像的频域变换内容。因为在之前的上课过程中，发现学生对二维傅里叶变换的学习非常困难。由于没有信号与系统和复变函数前置课程的铺垫，计算机学院的本科生学习效果事倍功半，造成厌学的现象。另外，在现代计算机视觉应用中，频域分析法的应用也有所下降。综上是删除频域变换内容的原因。对于第四章图像增强，大纲替换成了卷积神经网络，因为卷积神经网络是后续章节内容的基础，并且本研究在第六章增加了基于神经网络的图像增强知识点。第五、六、七、八章是关于计算机视觉的相关应用，覆盖了图像分类、图像增强、图像分割与图像生成任务。第九章是关于计算机视觉大模型和多模态技术的内容，旨在让学生了解最前沿的人工智能技术，培养高水平的应用型人才。最后一章是关于前沿技术的探讨，包括介绍小样本学习[6]、预训练模型[7]、智能体[8]等概念。

1.3 课程实施

在课程实施环节，本课题不仅根据教学大纲传授知识，更关注学生思维的锻炼和培养。因为在人工智能时代背景下，知识可以被大模型记忆，而思维和智慧是目前人工智能技术所无法实现的。课程考核方式从试卷考试方式调整为作业。每个章节都会有对应的实验，培养学生的动手实践能力，锻炼学生的科学思维。

根据之前的教学经验，现在的大学生喜欢用GPT 这类的大语言模型技术来完成代码编写和实验报告的撰写，往往AI生成的实验报告质量很差。本教学改革认为，与其制止学生使用AIGC技术生成报告，不如引导学生正确使用AIGC技术。因为时代在发展，人类应该思考如何和机器合作共赢。正确使用AIGC技术，可以辅助课程实施过程，提升课程教学质量。本文调研了正确使用AIGC 技术来完成作业的一些案例。

如表2所示，列举了3个使用AI大模型辅助学习的例子，正确使用人工智能技术可以提高学习和工作效率。在理论和实践教学过程中，将指导学生如何有效地使用大模型技术。

1.4 课后学习

在课后学习阶段，课程将安排大量的实践操作来加深学生对理论知识的消化，达到理论结合实践的教学目标。由于课程涉及的作业繁重，本研究采用人工智能技术，根据语义相似度算法，对数字图像处理的作业进行自动化批改，减轻了教师的作业批改工作量，让教师抽出更多的时间投入教学和科研工作中。

同时，针对大量的AIGC生成的作业，本研究同样采用AIGC Detector技术[9]来识别出学生作业中哪些部分是AI生成的，哪些是自己原创。针对实验报告完成质量较差的学生，进行课后反馈和教育，形成闭环。

2 教学数据分析

本研究在2022年对南京理工大学泰州科技学院的数字图像处理课程的教学目标、教学大纲、课程实施和课后学习部分按照教学改革方案进行了优化，并收集整理了2018—2023年度数字图像处理课程的学生成绩和教学评价数据。2018—2021年的教学数据为对照组，2022—2023年的教学数据为实验组。

结合表3和图3数据可知，2018—2021年数字图像处理的评教成绩平均分为79.79，2022—2023年数字图像处理的评教成绩平均分为84.27。经过2022年的教学改革后，学生的课程平均成绩提高了约5.6%。同理，经过t检验后，课程改革对评教成绩有显著影响。

3 结论

在人工智能时代下，本文对数字图像处理课程进行教学改革。首先，修改了教学目标以适应新质生产力的社会需求；其次，针对新的教学目标，优化了教学大纲，引入更多的人工智能知识点；然后在课程实施阶段，通过AI技术辅助教学过程；最后在课后学习阶段，使用AI技术减少了教师的工作量，并通过AIGCDetector技术防止学生过度依赖人工智能技术，形成了教育的闭环。本研究通过对数字图像处理课程的教学改革，取得了良好的教学效果，学生的学习成绩和对课程的满意度都有所提升。这表明在人工智能时代，合理利用人工智能技术可以有效地提升教学质量。未来，本课题将研究利用AI技术来监管学生的学习过程，并进行智能的教学反馈。