本课程系统学习数字图像处理中的中高级层次的内容。主要任务是培养学生的动手实践操作能力，能够在本课程的学习过程中掌握数字图像处理常用技术，并且能进一步学习数字图像解译的前沿方法和技术，以及具备设计数字图像处理应用系统的能力。本课程的主要内容包罗：小波变换、图像分割、特征表述、目标识别等。通过对本课程中基本方法的操作研究，培养研究生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。本课程的主要要求是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些方法开发数字图像处理系统中，为学习数字图像处理新方法奠定理论基础。

数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。

第一章  绪论 (2学时)

1．1  什么是数字图像处理

1．2  数字图像处理的起源

1．3  数字图像处理的实例

1．4  数字图像处理的基本步骤

1．5  图像处理系统组成

第二章  数字图像基础 (2学时)

2．1  视觉感知要素

2．2  光和电磁波

2．3  图像感知和获取

2．4  图像取样和量化

2．5  像素间的一些基本关系

2．6  数字图像处理所用数学工具介绍

第三章 灰度变换与空间滤波 (4学时)

3．1  背景知识

3．2  一些基本的灰度变换函数

3．3  直方图处理

3．4  空间滤波基础

3．5  平滑空间滤波器

3．6  锐化空间滤波器

3．7  混合空间增强法

3．8  使用模糊技术进行灰度变换和空间滤波

第四章  频率域滤波 (4学时)

4．1  背景

4．2  基本概念

4．3  取样和取样函数的傅里叶变换

4．4  单变量的离散傅里叶变换

4．5  两个变量函数的扩展

4．6  二维离散傅里叶变换的一些性质

4．7  频率域滤波基础

4．8  图像复原域重建

第五章  图像复原与重建 (2学时)

5．1  图像退化/复原过程的模型

5．2  噪声模型

5．3  只存在噪声的复原——空间滤波

5．4  用频率域滤波消除周期噪声

5．5  线性、位置不变的退化

5．6  估计退化函数

5．7  逆滤波

5．8  最小均方误差(维纳)滤波

5．9  约束最小二乘方滤波

5．10  几何均值滤波

5．11  由投影重建图像

第六章  彩色图像处理 (2学时)

6．1  彩色基础

6．2  彩色模型

6．3  伪彩色图像处理

6．4  全彩色图像处理基础

6．5  彩色变换

6．6  平滑和锐化

6．7  基于彩色的图像分割

6．8  彩色图像中的噪声

6．9  彩色图像压缩

第七章  小波和多分辨率处理 (4学时)

7．1  背景

7．2  多分辨率展开

7．3  一维小波变换

7．4  快速小波变换

7．5  二维小波变换

7．6  小波包

第八章  图像压缩 (2学时)

8．1  基础知识

8．2  一些基本方法

8．3  数字图像水印

第九章  形态学图像处理 (4学时)

9．1  预备知识

9．2  腐蚀和膨胀

9．3  开操作与闭操作

9．4  击中或击不中变换

9．5  一些基本的形态学算法

9.  6  灰度级形态学

第十章  图形分割  (4学时)

10．1  基础知识

10．2  点、线和边缘检测

10．3  阈值处理

10．4  基于区域的分割

10.  5  用形态学分水岭的分割

10.  6  分割中运动的应用

第十一章  表示和描述  (4学时)

11.  1  表示

11.  2  边界描绘子

11.  3  区域描绘子

11.  4  使用主分量进行描绘

11.  5  关系描绘子

第十二章  目标识别  (2学时)

12.  1  模式和模式类

12.  2  基于决策理论方法的识别

12.  3  结构方法