课程简介
本课程主要面向职业，面向企业，面向社会；既针对大学生训练，也兼顾应用协作教师的提高和社会行业企业相关人员的培训，即本课程将适于在校信息类大学生、中小学教师、高校教学人员以及一切想学习提高图像处理能力的同学。
现代图像分析是电子信息类专业的一门专业课，主要讲述图像的数字处理技术和基本应用。课程共分九章三大部分，第一部分是现代图像分析基础，包括绪论、图像处理基础和图像变换三章。第二部分重点介绍图像处理基本方法和技术，包括图像增强、图像恢复和重建、图像压缩编码三章。第三部分讲述数字图像分析的基本原理和技术，包括图像分割、图像描述和图像识别三章。
课程大纲
第一章 绪论
1.1 图像及图像的基本概念
1.2 数字图像处理的起源
1.3 数字图像处理的步骤和方法
1.4 数字图像处理系统的组成
1.5 数字图像处理主要应用领域
第二章 数字图像处理基础
2.1 色度学基础
2.2 视觉特性
2.3 图像数字化及特点
第三章 图像变换
3.1 图像变换的基本概念
3.2 图像的几何变换
3.3 图像的离散傅立叶变换
3.4 图像变换的一般表示形式
3.5 图像的离散余弦变换
3.6 图像离散小波变换
3.7 沃尔什-哈达玛变换
3.8 K-L变换
第四章 图像增强
4.1 图像的对比度增强
4.2 直方图修正
4.3 图像平滑
4.4 图像锐化
4.5 基于照度反射模型的图像增强
4.6 图像的彩色增强
第五章 图像恢复
5.1 退化模型
5.2 无约束恢复
5.3有约束最小二乘恢复
5.4 图像修复
5.5 基于深度学习的图像修复
5.6 视频修复
5.7 图像超分辨率重建
5.8 图像盲超分辨率重建
第六章 图像压缩编码
6.1 概述
6.2 图像编码基本理论
6.3 无损编码
6.4 有损压缩
6.5 图像压缩标准
第七章 图像分割
7.1 图像分割的定义及依据
7.2 边缘点检测
7.3 边缘线跟踪
7.4 门限化分割
7.5 区域分割法
7.6 聚类分割法
7.7 能量泛函分割
7.8 形态学处理
7.9 基于深度学习的图像分割
第八章 图像描述
8.1 像素间的基本关系
8.2 目标物的边界描述
8.3 目标物的区域描述
8.4 图像的几何特征
8.5 图像的纹理特征
8.6 局部特征描述子
8.7基于深度学习的特征表示
第九章 图像分类识别
9.1 图像匹配分类
9.2 图像识别
9.3 模式识别之经典分类专题
9.4 模式识别之深度学习专题
课程思政专栏
互动实验平台
科教融合
西电学子实践作品分享（持续更新）
前沿技术
图像增强
图像修复
边缘检测
图像分割
目标检测
目标识别
目标跟踪
图像生成
深度估计
姿态估计
运动估计
视觉推理
考试
1.1 图像及图像的基本概念
1.2 数字图像处理的起源
1.3 数字图像处理的步骤和方法
1.4 数字图像处理系统的组成
1.5 数字图像处理主要应用领域
第二章 数字图像处理基础
2.1 色度学基础
2.2 视觉特性
2.3 图像数字化及特点
第三章 图像变换
3.1 图像变换的基本概念
3.2 图像的几何变换
3.3 图像的离散傅立叶变换
3.4 图像变换的一般表示形式
3.5 图像的离散余弦变换
3.6 图像离散小波变换
3.7 沃尔什-哈达玛变换
3.8 K-L变换
第四章 图像增强
4.1 图像的对比度增强
4.2 直方图修正
4.3 图像平滑
4.4 图像锐化
4.5 基于照度反射模型的图像增强
4.6 图像的彩色增强
第五章 图像恢复
5.1 退化模型
5.2 无约束恢复
5.3有约束最小二乘恢复
5.4 图像修复
5.5 基于深度学习的图像修复
5.6 视频修复
5.7 图像超分辨率重建
5.8 图像盲超分辨率重建
第六章 图像压缩编码
6.1 概述
6.2 图像编码基本理论
6.3 无损编码
6.4 有损压缩
6.5 图像压缩标准
第七章 图像分割
7.1 图像分割的定义及依据
7.2 边缘点检测
7.3 边缘线跟踪
7.4 门限化分割
7.5 区域分割法
7.6 聚类分割法
7.7 能量泛函分割
7.8 形态学处理
7.9 基于深度学习的图像分割
第八章 图像描述
8.1 像素间的基本关系
8.2 目标物的边界描述
8.3 目标物的区域描述
8.4 图像的几何特征
8.5 图像的纹理特征
8.6 局部特征描述子
8.7基于深度学习的特征表示
第九章 图像分类识别
9.1 图像匹配分类
9.2 图像识别
9.3 模式识别之经典分类专题
9.4 模式识别之深度学习专题
课程思政专栏
互动实验平台
科教融合
西电学子实践作品分享（持续更新）
前沿技术
图像增强
图像修复
边缘检测
图像分割
目标检测
目标识别
目标跟踪
图像生成
深度估计
姿态估计
运动估计
视觉推理
考试