《模式识别与图像处理》教学大纲

《模式识别与图像处理》教学大纲
课程编号： 编写人：刘征海
开课学期： 2 开课单位： 计算机学院 课程中文名称 模式识别与图像处理 课程英文名称 Pattern Recognition and Image Processing 主讲教师： 总学时： 36 其中：理论26 时 实验：10时 学分： 2.0 课程性质： 非学位课 考核方式： 考查 先修课程： 《计算机图形学》，《数字图像处理》，《人工智能》，《模糊数学》 一、课程教学目的（说明本课程与专业培养目标、研究方向、培养要求）与要求（限300字）：
本课程为计算机应用专业的选修课，适合于从事上述专业及"图像处理与分析"、"机器视觉"及"模式识别与图像理解"等研究方向的研究生。课程教学目的是要求学生掌握模式识别和图像识别的基本原理；分类器设计的基本原理及方法；图像分割与特征提取的基本原理及方法；聚类分析的基本理论和技术；能够解决图像分析和处理中的部分问题；同时通过授课、作业、基本培训，培养学生的创造性思维，为今后的实际应用和进一步深入研究打下一个扎实的基础。


二、课程内容简介（限200字）：
《模式识别与图像处理》是运用模式识别中的基本决策方法、常用模型和算法解决图像分析和处理中部分的问题。还包括神经网络、模糊集理论、遗传算法在内的新技术在图像分析和处理中的应用。本课程涵盖了模式识别的重要的理论和方法，主要内容包括：
1、模式识别的基本概念及原理；
2、分类问题的理论及技术；
3、聚类问题的理论及技术。


三、教学进度

章节内容 授课或实验 授课或实验教师 学时安排 第一章 模式识别的基本概念 授课 2（学时） 第二章 分类器设计 授课 2（学时） 第三章 模板匹配分类器 授课 2（学时） 第四章 基于概率统计的Bayes分类器 授课 2（学时） 第五章 几何分类器 授课 4（学时） 第六章 神经网络分类器 授课 2（学时） 第七章 图像分割与特征提取 授课 4（学时） 第八章 聚类分析 授课 4（学时） 第九章 模糊聚类分析 授课 2（学时） 第十章 遗传算法聚类分析 授课 2（学时） 实验一 模板匹配分类实现 实验 2（学时） 实验二 Bayes分类实现 实验 2（学时） 实验三 图像的轮廓提取 实验 2（学时） 实验四 层次聚类算法 实验 2（学时） 实验五　模糊聚类法 实验 2（学时）



四、所用教材（正式出版教材要求注明教材名称、作者姓名、出版社、出版时间）及主要参考书：
1、 选用教材：
张宏林编著：《数字图像模式识别技术及工程实践》，人民邮电出版社，200

3
杨淑莹编著：《图像模式识别――VC＋＋技术实现》，清华大学出版社，2005

2、主要参考书：
沈庭芝编著：《数字图像处理及模式识别》，北京理工大学出版社，2005
Theodoridis S.：《模式识别（英文版.第3版）》，机械工业出版社，2006
黄振华主编：《模式识别原理》，浙江大学出版社，1991
沈清主编：《模式识别导论》，国防科技大学出版社，1991
孙即祥主编：《现代模式识别》，国防科技大学出版社，2002
边肇祺主编：《模式识别（第二版）》，清华大学出版社，2000
杨光正主编：《模式识别》，中国科技大学出版社，2001


3、主要参考文献刊物及会议：
International Conference on Image Processing
International Conference on Pattern Recognition
IEEE Transactions on Pattern Analysis and Machine Intelligence
International Conference on Computer Vision, Pattern Recognition and Image Processing
中国图象图形学报









课程负责人： 主管院长：


学院盖章：


年 月 日
注：本表一式二份，由编制教师填写，并报送学院研究生教学秘书处，由教学秘书汇总电子版和纸质版各一份交研究生处培养办公室备案。