基于人工智能的数字图像处理实验线下教学研究.pdf

ISSN1672-4305CN12-1352/N实 验 室 科 学LABORATORY SCIENCE第 26 卷 第 3 期 2023 年 6 月Vol.26 No.3 Jun.2023 基于人工智能的数字图像处理实验线下教学研究王 鹏,黎 宁(南京航空航天大学 电子信息工程学院,江苏 南京 210016)摘 要:数字图像处理实验是数字图像处理课程教学的重要环节之一,经过不同数字图像处理实验项目的训练之后,不但使学生进一步巩固了数字图像处理理论知识,而且培养了学生解决实际问题和实践动手操作的能力。为了对数字图像处理实验进行改进和创新,同时考虑到在疫情常态化背景下尽量减少感染疫情的风险,对人工智能采用线下数字图像处理实验教学模式进行研究。线下数字图像处理实验包括网上数字图像处理实验讲解,建立人工智能实验结果评价平台和设计比赛机制形式的考试。探索“人工智能+”教育范式,利用人工智能手段和大数据分析,实现教学全环节的智能设计、分析、诊断和决策。关键词:人工智能;大数据分析;数字图像处理;线下实验中图分类号:G642.0 文献标识码:A doi:10.3969/j.issn.1672-4305.2023.03.029Research on offline teaching mode of digital image processing experiment based on artificial intelligenceWANG Peng,LI Ning(College of Electronical and Information Engineering,Nanjing University of Aeronautics and Astronau-tics,Nanjing 210016,China)Abstract:Digital image processing experiment is one of the important links in the course teaching of digital image processing,after training in different digital image processing experimental projects,it not only enables students to further consolidate the theoretical knowledge of digital image processing,but also cultivates students ability to solve practical problems and practice hands-on operations.In order to improve and innovate the experiment of digital image processing and try to reduce the risk of infection under the background of the normalization of the epidemic situation,this paper intends to use artificial intelligence means to study the offline digital image processing experiment teaching mode.Off-line digital image processing experiment includes online digital image processing experiment explana-tion,establishment of evaluation platform for artificial intelligence experiment results and designing competition mechanism examination.This paper aims to explore the“artificial intelligence+”educa-tion paradigm,we use artificial intelligence means and big data analysis to realize the intelligent de-sign,analysis,diagnosis and decision-making of the whole teaching process.Key words:artificial intelligence;big data analysis;digital image processing;offline experiment 收稿日期:2021-05-27 修改日期:2022-05-18作者简介:王鹏,博士,副教授,研究方向为数字图像处理。E-mail:Pengwang_B614080003 基金项目:江苏省教育科学“十四五”规划专项课题项目(项目编号:K-c/2021/08);南京航空航天大学 2023 年本科教学建设项目(项目编号:2023JG0215X);南京航空航天大学 2023 年大学生“企业项目式”实习基地(项目编号:2023SJS17);南京航空航天大学 2021 年研究生教育教学改革研究项目(项目编号:2021YJXGG11)。作为面向信息学科的主要专业基础课之一,“数字图像处理”课程不仅在课堂上向学生传授有关数字图像处理的概念和原理,同时也在实验室指导学生利用计算机编程实现有关数字图像的各种处理方法,例如图像增强、图像重建、图像压缩和图像目标定位等1。数字图像处理已经在医学、遥感以及人脸识别等各个领域得到了广泛的应用 2-3。“数字图像处理实验”能够培养学生灵活运用相关王鹏,等:基于人工智能的数字图像处理实验线下教学研究知识解决实际工程问题的能力,对于一些学生毕业后从事相关领域的工作给予极大帮助 4。“数字图像处理实验”教学是数字图像处理课程的重要环节之一 5。经过不同数字图像处理实验项目的训练之后,不仅使学生进一步巩固数字图像处理理论知识,而且也培养了学生解决实际问题和实际动手操作的能力 6。然而,目前的数字图像处理实验存在以下问题:(1)疫情常态化背景下,大量人员集中在狭小空间进行实验学习,无疑增加了感染风险。(2)每次课程结束后提交实验报告,由于单向性,教师进行批改后不能及时反馈结果,学生往往不知道实验错误在哪里,导致有时不能完全掌握所学知识。(3)教学以教师为主,教师讲解实验原理同时演示实验步骤,学生进行复制实验,这种模仿学习的教学模式,禁锢了学生思考和创新的机会。为了解决以上三个问题,在教育部高等学校电子信息类专业教学指导委员会 2020 年教学改革研究项目资助下,本文拟利用人工智能手段 7-8对线下数字图像处理实验教学模式进行研究。线上“数字图像处理实验”教学模式主要包括三个具体措施:(1)教师采取网上数字图像处理实验讲解形式。(2)建立人工智能实验结果评价平台,对学生实验结果进行智能分析。(3)依据评价平台反馈的大数据,将学生进行分组,进行设计比赛形式的考试。在疫情时期,通过线上“数字图像处理实验”教学模式实现利用人工智能手段和大数据进行实验结果分析,并激发每个学生擅长的方向,实现教学全环节的智能设计、分析、诊断和决策。1 总体框架及创新性以人工智能为手段,在“数字图像处理实验”教学的建设过程中积极开展线上教学。总体框架如图1 所示,本项目设置网上数字图像处理实验讲解,建立人工智能实验结果评价平台和设计比赛机制形式的考试三个研究内容的数字图像处理实验线上教学。基于人工智能的“数字图像处理实验”线下教学模式较以往教学以教师为主、学生进行复制实验的教育模式具有以下创新:(1)授课形式更加灵活。网上授课不但解决了地域带来的限制、打破了教育局限,而且丰富了上课场景。此外,可以有效减少疫情常态化下的感染风险。(2)监测学生知识掌握情况更加及时。利用人工智能实验结果评价平台,学生可以及时认知自我的学习掌握情况,对知识进行查缺补漏。教师也可以及时掌握每位学生的学习进度,达到有效的学习监测。(3)比赛形式的考试更能激发学生的潜力和兴趣。对实验结果评价平台反馈的大数据进行分析,合理地将学生进行分组,发挥每位学生在相应实验环节的长处,同时采用比赛形式的考试激发学生的学习兴趣。图 1 总体框架2 具体措施2.1 网上数字图像处理实验讲解在疫情常态化下,本教学团队建立网上授课环境,通过慕课平台,利用网址 http:/mooc1.chaox- 为教学地点,进行了课程的完善,制作课程教学 PPT,录制课程视频,开发课程相关软件。慕课平台界面如图 2 所示,通过信息技术手段不断提高教学的信息化水平。学生可以在规定的一段时间内自由选择时间和地点多次学习,待规定时间截止后发布本次实验内容,要求学生按时完成相关实验。此外,利用学校教务处网络综合教学平台系统,构建数字图像处理实验的在线学习交流平台,通过该平台实时共享课程的教学大纲、课件、试题、教学视频等学习资源,并通过在线答疑讨论板块实现学生与教师的实时交流和互动,提高数字图像处理实311验的信息化水平。同时,鼓励学生利用网络现有学习资料完善自己的知识体系,如国内外高校精品网络课程和谷歌学术等学术搜索工具,提高学生对互联网资源的学习能力。图 2 慕课平台界面2.2 建立人工智能实验结果评价平台建立人工智能实验结果评价平台,如图 3 所示。图 3 实验结果评价平台每位学生每次完成实验后可将实验结果自行上传到该平台。平台经过与正确答案比对,给出是否正确的结论,及时反馈给学生,学生可以自行评价自己实验结果好坏,遇到问题或者疑问可以通过线上平台反馈给教师。最终平台将包括学生姓名、学号、每个实验环节表现等构成学生掌握情况大数据反馈给指导教师。2.3 设计比赛形式的考试采用比赛形式的考试,教师发布考题,并根据实验结果评价平台反馈的大数据进行学情分析和学业水平诊断,合理地将所有学生进行分组,做到每位学生在每个小组都能发挥自身优势。比赛形式的考试可以激发学生的学习兴趣,更好地投入到数字图像处理实验中。例如针对遥感图像地物类别亚像元定位 9-10的比赛选题,比赛评分准则包括采集遥感数据质量、获得亚像元定位结果精度和实验报告书写三方面。对实验结果评价平台返馈的大数据进行分析,将所有学生进行分组,每组包括硬件方面动手能力较强的 3 名学生,软件方面编程能力较强的 3 名学生和收集数据书写实验报告能力较强的 2 名学生。(1)在遥感图像采集阶段。硬件方面动手能力较强的学生通过查找资料了解近地、航空和航天三种遥感图像采集平台的原理后,运用如图 4(a)所示的手持式光谱仪进行近地遥感图像采集,操作如图4(b)所示的无人机设备进行航空遥感图像采集,并学会运用航天遥感图像软件采集平台下载遥感图像。如图 5 所示为其中一个小组从采集平台下载得到的高光谱遥感图像,该图像覆盖华盛顿特区一个商业中心,大小为 200200 个像元,包含的波段数为191。图5(a)所示为该高光谱遥感图像处理得到的假彩色图像,图 5(b)是对图像进行分类得到的参考图像,该图像包括背景、湖水、道路、树木、草地,屋顶和小径 7 个类别。(a)手持光谱仪 (b)无人机设备图 4 遥感图像采集阶段所用的设备(2)在采集获得合适的实验数据之后,软件方面编程能力较强的学生通过查找资料了解遥感图像亚像元定位基本原理,通过软件仿真提高亚像元定位结果精度。例如其中一组学生通过查阅大量的相关文献,发现目前插值多位移遥感图像亚像元定位模型没有考虑点扩散函数影响,因此他们提出了一种基于考虑点扩散函数影响的插值多位移遥感图像亚像元定位模型,提高了定位精度。如图 5(c)图5(d)所示,软件仿真实现了将该模型应用于双线性插值多位移亚像元定位方法,命名为 BI-MSSI-PSF,比较传统的双线性插值多位移亚像元定位方法 BI-MSSI,小组学生提出的 BI-MSSI-PSF 结果更加接近参考图像。(a)假彩色图像 (b)参考图像411 王鹏,等:基于人工智能的数字图像处理实验线下教学研究 (c)BI-MSSI (d)BI-MSSI-PSF图 5 华盛顿 DC 数据集最后,在软件仿真之后,需要将实验数据进行收集,进行定量指标评价,并书写实验报告。例如在提出 BI-MSSI-PSF 方法的实验小组中收集数据书写实验报告能力较强的 2 名学生将实验数据进行收集,并利用每个类别的定位精度(%),整体定位精度 OA(%)和 Kappa 系数分析得出相应的评价指标(如表 1所示),证明小组提出的 BI-MSSI-PSF 方法可以显著提高亚像元定位精度。2 名学生接下来将所获得的数据进行整理,并完成最终的实验报告撰写。表 1 定量评价指标BI-MSSIBI-MSSI-PSF背景(%)50.2351.63湖水(%)91.2894.55道路(%)72.1475.45树木(%)70.6273.66草地(%)78.9381.23屋顶(%)69.9572.67小径(%)65.1067.03OA(%)73.3775.01Kappa0.68330.6946 比赛形式的考试不但能反映学生对数字图像处理理论的掌握程度,还能考核学生的学习态度、知识的应用能力和团队合作能力,激发学生的实验兴趣,从而更客观全面地反映学生整个课程学习过程的综合表现。最终,形成三方面相结合动态的考核方式,“数字图像处理实验”课程采取“比赛成绩+每次实验报告+平时成绩”相结合的考核方式,其中课程期末比赛成绩占 50%,每次实验报告成绩占 30%,平时成绩占 20%。3 结语基于人工智能的“数字图像处理实验”线上教学研究可以为其他类型的实验课程提供借鉴,能进一步利用数字图像处理教学所学内容解决实际问题,给学生提供了发挥自己创造能力的机会。通过线上教学的一系列工作,在很大程度上提高了学生的学习主动性和创新能力,同时也降低了在疫情常态化下感染疫情的风险,最终提高学生科研能力和工程实践能力。参考文献(References):1 张显斗,李倩,王萌萌,等.研究生数字图像处理教学模式与实验改革探索J.实验室研究与探索,2018(3):162-165.2颜焕欢,张培镇,王伊侬,等.肌骨超声图像特征检测及拼接J.中国图象图形学报,2020(5):1032-1042.3 Schowengerdt R A.Remote Sensing:Models and Methods for Im-age ProcessingM.San Diego,CA:Academic,1997.4 姜晓坤,朱泓,李志义.新工科人才培养新模式J.高教发展与评估,2018(2):17-24.5 蒋伟,官礼和,刘亚威.数字图像处理创新实验的研究与实践J.实验室研究与探索,2011(7):236-238.6 王鹏.“新工科”背景下数字图像处理实验延展探索J.工业和信息化教育,2018(9):42-46.7 岳建平,丛康林.人工智能时代的测绘工程教育改革J.测绘通报,2020(9):151-154.8 谢勇,陈曦,刘振元,等.智慧工厂实践教学平台的建设J.实验室研究与探索,2020(12):174-178.9 凌峰,吴胜军,肖飞,等.遥感影像亚像元定位研究综述J.中国图象图形学报,2011,16(8):1335-1345.10 张兵,高连如.高光谱图像分类与目标检测M.北京:科学出版社,2011:2-6.(上接第 111 页)4 周雪宏,孙露洋,易霞,等.“知行合一”理念在研究生分子生物学实验教学中的应用J.生命的化学,2020,40(12):2285-2289.5 林久茂,胡海霞,彭军.医学实验方法与技术课程培养中西医结合研究生创新能力的实践J.教育教学论坛,2020(40):186-187.6 黄心智,沈文红,许伟榕,等.细胞与分子生物学实验教学整合模式的实践和探索J.中国高等医学教育,2018(4):51-52.7 曹佳,喻红,杜芬,等.基于科研能力培养的生物化学实验教学改革J.实验室科学,2018,21(4):123-126.8 余春红,邓怿.生物实验教学改革的探索与实践J.实验室科学,2020,23(3):136-139.9 顾华杰,胡翠英,郭伟强,等.生物化学实验教学的思索与实践J.实验室科学,2021,24(1):72-74.10 黎明星,黄愉淋,钟静,等.医学基础总论整合课程在教改班教学的探索与实践J.继续医学教育,2021,35(2):7-9.11 孙文秀,夏帆,熊涛.关于虚拟仿真实验教学提升生物学研究生科研创新能力的思考J.科技视界,2020(36):46-47.511