南京理工大学
《图像特征计算与表示》课程内容简介
课程编码 S106C014 课程类别 选修课
课程名称 图像特征计算与表示
英文名称 Image Feature Computation and Representation
开课院系 计算机科学与工程学院
开课季节 秋学期 授课方式 面授讲课
考核方式 考试 课件地址
考试方式 闭卷 成绩计算方法 期末100%
课程总学时 32 课程学分 2
实验学时 适用对象
课程类型 理论课 课程属性 必修
任 课 教 师
教师姓名性别所属院系职称年龄
王欢 计算机科学与工程学院 副教授 39

教学目标:
掌握典型的图像特征的计算和表示方法以及实用的图像表示模型,学会使用这些方法和模型处理图像处理、图像分析、计算机视觉中诸如运动目标侦测、道路分割、行人检测、视觉显著性提取、弱小目标探测、目标跟踪等实际问题。

课程内容:
1绪论 (3学时)
  1.1图像特征概述
  1.2 图像特征的分类
  1.3 图像特征计算与表示的内涵
  1.4模型建立在图像特征计算与表示中的重要性*
2灰度特征计算与表示 (4学时)
  2.1单高斯模型
  2.2混合高斯模型*★
  2.3 图像背景建模
2.4 案例研究:背景静止条件下的运动目标侦测
3光流特征计算与表示 (3学时)
  3.1光流基本概念*
  3.2.H.S光流计算方法*
  3.3稠密光流与特征光流
3.4 案例研究:背景运动条件下的运动目标侦测
4颜色特征计算与表示 (4学时)
  4.1颜色空间分类
4.2典型颜色直方图的计算方法*
4.3面向任务的颜色直方图构建方法
4.4案例研究一:视觉显著性提取2
4.5案例研究二:视觉目标跟踪
5纹理特征计算与表示* (4学时)
5.1纹理的内涵
5.2纹理共生矩阵
5.3LBP特征*
5.4Gabor特征*★
5.5案例研究:基于纹理特征的道路识别
6 特殊的纹理特征:HOG与SIFT  (3学时)
   6.1 HOG特征提取*
   6.2案例研究:行人检测1
   6.3 SIFT特征计算*
   6. 4案例研究:图像分类
7 形状特征计算与表示  (3学时)
   7.1 矩特征*
   7.2 形状上下文特征
   7.3 傅立叶形状描述子
   7.4案例研究:图像检索
8.代数特征提取  (4学时)
   8.1 主成分分析*★
   8.2 独立成分分析
   8.3 鲁棒主成分分析*★
   8.4 稀疏表示特征提取*
   8.5 案例研究:红外弱小目标检测1
9. 神经网络特征提取 (4学时)
   9.1 浅层神经网络特征提取*
   9.2 深度神经网络架构及其应用*★
   9.3案例研究一:红外弱小目标检测2
   9.4案例研究二:视觉显著性提取2
注: 其中,*表示教学重点,★表示教学难点

适用学生:
全日制硕士    非全日制硕士    留学硕士    进修硕士    硕博连读    本科直博    全日制博士    留学博士    进修博士    在职专硕    其他    

预修课程:
预修课程:
    数字图像处理

参考书目:
教材:
[1]Joao Manuel R.S. Tavares, R.M. Natal Jorge. Computational Modelling of Object Represented in Images, 2007.
[2]章毓晋. 图像处理与分析技术,第二版,北京:高等教育出版社, 2008
[3]王永明  图像局部不变性特征与描述 北京:国防工业出版社 2010
参考书:
[1]章毓晋. 图像工程, 上、中、下三册,清华大学出版社, 2012
[2]Rafael C. Gonzalez, Richard E. Woods, Steven L. Digital image processing using MATLAB:MATLAB版/(美).
[3]艾海舟 武勃等,图像处理、分析与机器视觉,人民邮电出版社 2003
[4]数字图像处理.基础篇/(日)谷口庆治编 朱虹等译 科学出版社,2002
[5]数字图像处理.应用篇/(日)谷口庆治编 朱虹等译 科学出版社,2002
必读参考资料:
[1]章毓晋. 图像工程 上册,清华大学出版社, 2012
[2]Rafael C. Gonzalez, Richard E. Woods, Steven L. Digital image processing using MATLAB:MATLAB版/(美).
[3] 章毓晋. 图像处理与分析技术,第二版,北京:高等教育出版社, 2008

备注: