《机器视觉教学大纲》由会员分享，可在线阅读，更多相关《机器视觉教学大纲（4页珍藏版）》请在金锄头文库上搜索。
1、机器视觉教学大纲（一）课程基本信息1. 课程代码： 201362192. 课程名称（中文 /英文）：机器视觉 / Machine Vision3. 课程类别：专业方向课4. 课程学分： 2.05. 课程学时： 32 学时 （其中，授课学时： 32 学时）6. 开课单位：信息科学与工程学院7. 教学对象：电子信息工程、通信工程（二）课程简介“机器视觉”是电子信息工程、通信工程的专业方向课，是专业理论课信号与系统、数字信号处理在图像、 视频处理领域偏重应用实践的课程。 通过学习， 使学生掌握机器视觉的基本方法， 熟悉实际应用中使用较为广泛的视觉问题求解算法， 了解机器视觉在各个领域的相关应用。先修
2、课程：线性代数，信号与系统，数字信号处理， C 语言程序设计（三）课程教学目标和能力要求“机器视觉” 课程以机器视觉的基本算法为基础， 通过具体的视觉问题为例讲解机器视觉问题的一般求解方法。通过学习，使学生能使用图像空间滤波、频域变换、特征点检测、图像匹配与几何映射等机器视觉的基本方法， 掌握简单机器视觉问题的求解方法。 培养学生将文献转换为实际工程实现的能力， 使学生能够将现有的方法转换成自己的工具。 培养学生工程实践能力和创新能力。为毕业就业培养专业素养，提供技术准备。（四）课程教学方法根据学生特点和课程特点， 采用理论教学结合实际问题分析的方法。 课堂教学部分遵从分知识点循序渐进的原则，
3、 主要以启发式教学和实例教学法为主， 激发学生的学习兴趣。 课程设置针对性的课程项目， 通过实际应用， 提高学生的实践能力， 加深学生对知识点的掌握。通过设置小组合作形式的课程设计，提高学生的团队协作能力。（五）课程内容及教学安排教学主题 1：机器视觉导论 （2 学时）知 识 点：机器视觉概念，视觉理论的发展，机器视觉与相关研究领域，机器视觉的应用重 点：掌握机器视觉的概念，理解计算视觉理论难 点：Marr 的计算视觉理论1 / 4能力要求 ： 资料查询、整理能力实践环节 ： 查找机器视觉的应用教学方法 ： 理论讲述，实例介绍课前阅读 ： 教材第 1 章课后作业 ：查找一个机器视觉的应用，使用
4、短文进行介绍教学主题 2：图像与视觉系统（ 4 学时）知 识 点：图像坐标和世界坐标的映射， 针孔相机模型， 投影矩阵， 光线的相关知识，人眼对光线的感知原理，相机传感器，图像采样和色彩，数字图像格式重 点：针孔相机模型与投影矩阵，图像采样原理和色彩的属性难 点：投影矩阵，光度学和色度学的基本概念和原理能力要求 ： 资料查询、文献阅读实践环节 ： 相机模型相关资料文献查找教学方法 ： 理论讲述课前阅读 ： 线性代数、教材第 2 章课后作业 ：回顾课上讲述内容，查阅相关文献教学主题 3：图像处理基础和图像基本变换（ 6 学时）知 识 点：图像点运算，线性滤波和非线性滤波，图像的频域变换和频域滤波
5、，图像金字塔重 点：非线性滤波，图像频域变换，图像金字塔难 点： 二维傅里叶变换，图像金字塔能力要求 ： 资料查询、文献阅读、工程实践实践环节 ： 非线性滤波器的图像处理实践教学方法 ： 理论讲述课前阅读 ： 教材第 3 章课后作业 ： 课程项目 1：基于 OpenCV 的图像滤波教学主题 4：图像特征检测、描述与匹配（ 4 学时）知 识 点：图像边缘检测，直线检测，角点检测，图像局部特征点检测，局部特征点描述，特征点匹配重 点：图像边缘检测，图像局部特征点检测，特征点匹配难 点：图像特征点检测、描述与特征点匹配能力要求 ： 资料查询、文献阅读、工程实践实践环节 ：图像局部特征点的检测与匹配方
6、法实践教学方法 ： 理论讲述，实例分析课前阅读 ： 教材第 4 章课后作业 ： 课程项目 2：基于 OpenCV 的局部特征点检测与匹配2 / 4教学主题 5：双目立体视觉（ 6 学时）知 识 点：双目立体视觉原理，极平面，对极几何，极线约束，立体视差，场景深度与视差的关系，立体图像对几何矫正，视差求取，立体匹配，立体匹配代码框架分析重 点： 视差求取，立体匹配难 点：对极几何，立体图像对几何校正，立体匹配能力要求 ： 资料查询、文献阅读、工程实践实践环节 ： 立体匹配算法实现教学方法 ： 理论讲述，实例分析课前阅读 ： 教材第 11 章课后作业 ：课程设计：立体匹配算法竞赛，小组为单位完成立
7、体匹配算法实现教学主题 6：三维重建与虚拟视点绘制（ 4 学时）知 识 点：从运动恢复形状，多视点三维重建，深度相机，实时三维模型重建，层次深度图像，视点重构，虚拟视点绘制重 点：从运动恢复形状，三维重建，虚拟视点绘制难 点： 从运动恢复形状，三维重建能力要求 ： 资料查询、文献阅读、工程实践实践环节 ： 通过使用 Kinect 深度相机对三维物体进行实时重建教学方法 ： 理论讲述，实验教学课前阅读 ： 教材第 12 章，第 13 章课后作业 ：回顾课上讲述内容，查阅文献，了解更多三维重建的应用与方法教学主题 7：图像分析与图像识别（ 6 学时）知 识 点：图像分割， K 均值聚类，最短路径算
8、法，图割算法， 图像和场景识别概述，人脸识别算法重 点：基于聚类的图像分割，人脸识别算法难 点： 最短路径算法，图割算法能力要求 ： 资料查询、文献阅读、工程实践实践环节 ： 学习并实现人脸识别算法教学方法 ： 理论讲述，实例分析课前阅读 ： 教材第 5 章，第 11 章课后作业 ：学习人脸识别算法，通过程序进行实现（六）课程考核方式“机器视觉”课程考试成绩由平时成绩 20%、课程项目 30%、课程设计 50%三部分组成。课程主要考核学生对所学知识的实践应用能力、 实际问题求解能力、 设计报告撰写能力和团队协作能力。3 / 4（七）教材及教学参考书教材：1 计算机视觉：算法与应用 ，（美国）塞
9、利斯基（ Richard Szeliski ），艾海舟、兴军亮等译，清华大学出版社， 2012 年 1 月。免费电子版（英文） ：http:/szeliski.org/Book/ 。教学参考书：1 图像处理、分析与机器视觉（第 3 版），（美国）桑卡（ Milan Sonka ）、（美国）赫拉瓦卡（ Vaclav Hlavac）、（美国）博伊尔（ Roger Boyle）， 艾海舟 苏延超 等译，清华大学出版社， 2011 年 1 月。2 计算机与机器视觉 :理论、算法与实践 (英文版 第 4 版)，（英国）戴维斯（E.R.Davies ），机械工业出版社， 2013 年 3 月。3 机器视觉
10、算法与应用 (双语版 )，（德国）斯蒂格 (Steger,C.) 、 （德国）尤里奇(Ulrich,M.) 、（德国）威德曼 (Wiedemann,C.) ，杨少荣 译，清华大学出版社， 2008 年 11 月。4 计算机视觉 :一种现代方法 (第 2 版)(英文版 )，（美国） 福赛斯（David A. Forsyth ）、（美国）泊斯（ Jean Ponce ），电子工业出版社， 2012 年 5 月。5 图像处理与计算机视觉算法及应用 (第 2 版)，（加拿大） 帕科尔 （J.R.Parker ）著，景丽 译，清华大学出版社， 2012 年 5 月。6 数字图像处理 (第 3 版)， （
11、美国） 冈萨雷斯 (Gonzalez.R.C.) 、（美国） 伍兹(Woods.R.E.) 著，阮秋琦、阮宇智 译，电子工业出版社， 2011 年 5 月。7 数字图像处理与机器视觉 :Visual C+ 与 Matlab 实现，张铮 等编著，人民邮电出版社， 2010 年 4 月。8 学习 OpenCV(中文版 )，（美国） 布拉德斯基、（美国） 克勒 著，于仕琪、 刘瑞祯 译，清华大学出版社， 2009 年 10 月。9 OpenCV2 计算机视觉编程手册 ，（加拿大） Robert Laganiere 著，张静 译，科学出版社， 2013 年 7 月。10 OpenCV 教程 :基础篇，于仕琪、刘瑞祯，北京航空航天大学出版社， 2007 年 6月。11 课程教学网站： http:/course.qqyang.org/MachineVision.html 。撰写人：杨青青审定人：李林功日 期：2014.10.164 / 4
