中国海洋大学计算机视觉课程大纲(理论课程)-中国海洋大学信息科学与

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

中国海洋大学计算机视觉课程大纲(理论课程)

英文名称:Computer Vision

【开课单位】信息学院计算机系【课程模块】工作技能

【课程编号】080504301305 【课程类别】选修

【学时数】68 (理论51 实践17 )【学分数】3.5

一、课程描述

(一)教学对象

计算机相关专业学生。

(二)教学目标及修读要求

1、教学目标

了解计算机视觉的应用领域,掌握基本的图像分割、特征检测、聚类及分类算法,理解相机模型以及相机标定方法,学会利用已有相关算法,使用OpenCV进行相关视觉应用的开发。

2、修读要求

计算机视觉属于计算机专业的一门新课,和研究前沿结合的比较紧密,需要学生具有数字图像处理、计算机图形学以及线性代和概率论方面的基础。

(三)先修课程

数字图像处理。

二、教学内容

(一)绪论

1、主要内容:介绍计算机视觉的基本概念,应用领域,发展历史等相关内容。

2、教学要求:了解计算机视觉的应用领域及学习的内容。

(二)第二章图像形成

1、主要内容:几何基元和变换,光度测定学的图像形成,数字摄像机。

2、教学要求:理解图像形成的物理过程,包括相机镜头的物理特性对图像形成过程的影响,掌握3D到2D的投影变换,掌握相机内参和外参的概念。

3、重点、难点:相机内参和外参的标定。

(三)第三章图像处理

1、主要内容:点算子,线性滤波器,其他邻域算子,傅里叶变换,几何变换等。

2、教学要求:掌握数字图像处理课程相关的基本内容,包括空间域的图像处理及频率域的图像处理基本方法。

3、重点、难点:傅里叶变换。

(四)第四章特征检测与匹配

1、主要内容:图像的点与块,图像的边缘,直线。

2、教学要求:理解图像特征的概念,掌握几种特征(点、块、边缘、直线)的检测方法,了解特征匹配的在图像拼接及相机标定等方面的应用。

3、重点、难点:几种特征描述子的生成过程。

(五)第五章图像分割

1、主要内容:活动轮廓,基于区域的分割。

2、教学要求:掌握几种流行的图像分割方法,包括基本的阈值方法,活动轮廓方法,基于聚类的方法。

(六)第六章基于特征的配准

1、主要内容:基于2D和3D特征的配准,姿态估计,几何内参标定。

2、教学要求:理解2D和3D特征的配准过程,掌握相机内参的标定方法。

(七)第七章由运动到结构

1、主要内容:三角测量,二视图由运动到结构,光束平差法

2、教学要求:理解由运动到机构的过程,掌握通过给出几幅图像及图像特征的一个稀疏对应集合,计算估计3D点的位置。

(八)第八章稠密运动估计

1、主要内容:平移配准,参数化运动,光流

2、教学要求:理解稠密运动估计的概念,掌握光流法在运动估计中的应用。

(九)第九章图像拼接

1、主要内容:运动模型,全局配准,合成

2、教学要求:掌握几种典型的图像拼接方法,并理解如何进行缝隙消除及视察消除。(十)第十章计算摄影学

1、主要内容:光度学标定,高动态范围成像,超分辨率和模糊去除,图像抠图及合成

2、教学要求:理解光度学标定的基本概念,了解高动态范围成像过程和超分辨率和模糊去除、图像抠图及合成方法。

(十一)第十一章立体视觉

1、主要内容:极线几何学,稠密对应,稀疏对应,多视图立体视觉

2、教学要求:理解对极限、极平面等极线几何的概念,掌握进行稠密对应及稀疏对应的方法。

(十二)第十二章三维重建

1、主要内容:由X到形状,主动距离获取,点线面的表达,基于模型的重建

2、教学要求:理解进行三维重建的基本过程,了解进行主动距离获取的几种方法,了解三维重建在人脸动画,数字遗产等方面的应用。

(十三)第十三章识别

1、主要内容:基于统计的识别方法,神经网络,支持向量机

2、教学要求:了解几种常用的进行模式识别的方法及其优缺点,学会使用已有的模式识别方法进行目标分类及识别。

三、教学环节及学时分配

本课程总学时68 学时(如有实践环节根据课程的实际情况填写,如实验、上机、案例讨论和角色扮演等),其学时分配见下表。

计算机视觉课程教学学时分配表

四、考核方式及评价体系

1、考核方式:项目设计

2、评价体系:平时实验:30 %,期末课程项目:60 %,上课及其他:10 %

五、选用教材及必读参考书

1、选用教材

Richard Szeliski著,艾海舟,兴军亮译,《计算机视觉—算法与应用》,清华大学出版社,2012年1月第一版。

2、主要参考书

(1). Forsyth, D.A. and Ponce, J. Computer Vision: A Modern Approach

(2). Gary Bradski, Adrian Kaebler著,于仕琪刘瑞祯译,《学习OpenCV》,清华大学出版社,2009年10月第一版。

六、近两年开设情况

开设次数:1

相关文档
最新文档