即可将网页分享至朋友圈
编者按:为充分发挥精品课程的标杆示范作用,促进研究生课程质量进一步提升,研究生院自2018年启动了研究生精品课程建设工作,以公共基础课和各一级学科(类别)专业课为重点,充分结合国务院学位委员会学科评议组和全国专业学位研究生教育指导委员会编写的《研究生核心课程指南》,整体规划、分步实施,至2020年,经学院推荐、学校专家评审、研教指委审议通过,学校已立项了三批共146门“精品课程”。新闻中心特开设【研究生精品课程】栏目,分享这些“精品课程”基于“价值塑造、能力培养、知识传授”三位一体的教育理念,从课程目标与定位、课程内容、教学和考核方式、课程特色和成效等方面总结梳理其经验心得,与师生读者共享。本期介绍资源与环境学院陈奋副研究员在《遥感图像处理》课程中的教学探索。
“选择一副合适大小的彩色图像,对其进行non-local means filter去噪处理。”给研究生留这样一道课后题目,然后列出2005年发表在IEEE International Conference on Computer Vision and Pattern Recognition上的图像处理领域经典文献,让感兴趣的同学自己练手。
这样的情景,在资源与环境学院陈奋副教授的《遥感图像处理》课上十分常见。他经常给同学们讲解一些课本上没有的图像处理算法,展示图像处理前后的神奇对比效果,并列出经典的或者最新的参考文献,让学生不禁想自己找张图尝试处理一下。
讲授《遥感图像处理》课程七年之久,陈奋把长期积累的科研素材充实进课堂教学,为学生准备了丰富的学术“自助餐”。这给学生留下了深刻印象。有的学生总结说:“陈老师上课,经典文献多、趣味图片多、好玩题目多,他不断给学生加餐,让学生自助选择、自己动手。”
课程融合:为“信息地学”再添注脚
最近十余年来,各国航空航天领域特别是对地观测领域快速发展,遥感数据获取和处理能力已成为国家实力的标志之一。在科学研究和应用实践中,遥感图像处理技术是发展遥感理论方法和提高遥感数据应用效果的关键。这一要求体现在研究生培养中,关键是要通过遥感图像处理来夯实研究生的专业基础知识、提高实践能力、激发学术创新、拓展科研思维。
自2011年以来,资源与环境学院面向测绘科学与技术学科学术学位硕士研究生和电子与通信工程领域专业学位硕士研究生开设了《遥感图像处理》专业选修课。该课程较好地从数字信号处理的角度贯穿了遥感数据处理算法的数学原理的介绍和理解,也更强调对遥感数据的动手编程的环节,巩固了学生的基础,增强了学生的动手实践能力。
经过9年的发展,该课程已形成了较为成熟的教学模式和课程材料,有助于进一步促进测绘遥感类课程的融合,践行学院“电子信息”与“地球科学”深度融合的育人理念。陈奋表示,该课程不仅能面向测绘科学与技术专业和电子与通信工程领域的研究生,还能够直接辐射推广到其他专业涉及遥感数据处理工作的研究生,从而培养出跨学科的创新人才。
图1. 多光谱遥感图像和全色遥感图像的融合
出乎其外:超越教材扩展学术视野
把遥感图像处理和数字图像处理结合起来,主要有两方面的考虑。据陈奋介绍,一方面,大量的遥感数据都是数字图像,因此,遥感图像处理的基础就是数字图像处理,如果学生的数字图像处理基础扎实,在学习遥感图像处理就会得心应手。另一方面,选修该课程的研究生,除了遥感专业,还有来自信通、电子、数学等其他专业的学生,有的学生可能在本科阶段没有学习过数字图像处理,因此,需要在学习遥感图像处理时补上这部分重要的内容。
为了把两门课程很好地融合,陈奋把遥感图像处理和数字图像处理领域的两本经典教材融合起来讲,内容交叉,入乎其内、出乎其外。为了讲清楚遥感图像处理,他经常用数字图像处理中的经典案例,更能调动学生的兴趣。
在此过程中,针对“教学内容较多和学时有限,课程中给学生预留的研讨时间较少,对最新文献的介绍和讲解不足”等问题,他还优化课程教学模式、深化课程教学内容,使学生在本课程所涉及的知识点上既有广度、又有深度。同时,他不断增强课程与本学科前沿、跨学科前沿的关联,为学生推荐最新的研究成果或文献。
由于教材的知识体系性较强但内容更新较慢,因此,他经常超出教材范围进行拓展。有时候他会引用论文,详解教材中没有推导的公式;有时候他会对比最新算法与传统算法在图像处理方面的效果;有时候,他会用一节课的时间专门讲一种经典算法,并现场演示给学生看。
“近一二十年,数字图像处理领域涌现出了很多新算法,效果比一些传统算法要好很多,我在做相关研究时就感到很有必要把这些算法应用到遥感图像处理,并介绍给我的学生。”陈奋说,“我上课的方法主要是扩展内容,或者为学生推荐相关的和前沿的学术论文。”
图2.脉冲噪声去除方向新的图像滤波处理算法的效果
精彩案例:激发学生自己动手实现算法
为了调动学生的兴趣,陈奋会在课堂上展示很多好玩的案例,以图切入,引出图像处理的原理和算法。
有的噪声图片(Noisy Image)的噪声达到70%,看起来就是一堆细碎的马赛克斑点。陈奋问同学们:“图片中是什么?”同学们猜不出来,他再展示用新的脉冲噪声去除算法进行处理的结果,图片显示出来,原来是影视演员陈慧琳。
他进一步提高难度,用该算法处理噪声达到90%的图片,显现出清晰的标准测试图Lenna的头像。正在学生觉得不可思议的时候,陈奋调出一篇2005年的文献,并告诉同学们:“这个算法此后还有新的优化改进,处理的效果更好,希望感兴趣的同学查找更多相关文献,进一步深化研究!”
有的图片因为拍照时相机抖动造成模糊,陈奋说,如果知道相机抖动的“轨迹”,就可以用传统的算法复原图片。但如果不知道抖动轨迹,怎么解决呢?他调出一篇2013年的论文说:“这个算法,可以比较精确地估计出相机抖动的轨迹,更便捷地解决这个问题!”
在讲解TM图像时,他常故意设问:“这个遥感图像的空间分辨率是30米,但为什么我们能够清晰地看到小于10米的道路或桥梁?”通过一番讲解,他告诉同学们,“实际的图像中能够被检测出来的最小目标物,不仅与遥感图像的空间分辨率有关,还与目标和背景的辐射对比度相关。”
图3. Landsat TM伪彩色图像中,人们通常能看到小于10米的道路或者桥梁
每个案例的后面,陈奋都会列出参考文献,有时一篇,有时数篇。学生被很有趣味的图像处理案例调动起来以后,就会自己在课后阅读这些论文,按照论文中的方法进行实现,很有获得感。
因材施教:鼓励学生结合兴趣研读前沿成果
陈奋表示,这门课程不仅要让学生了解遥感图像的获取、存储、处理等基本技术,理解遥感图像各种成像模型、辐射模型、光谱变换、空域和频域增强处理、校正与定标、融合和图像分类等技术的基本原理,还要能结合高级程序设计语言和遥感图像处理软件解决实际问题。也就是说,学生不仅要理解理论,还要动手编程。
这门课程中,陈奋共设置了11个“规定动作”的题目,要求学生必须动手做。例如作业八是“读入一幅图像,采用一个高斯型点扩展函数对其进行模糊处理。对模糊后的图像添加一定的加性高斯白噪声。采用维纳滤波算法对构造的带噪声模糊图像进行复原处理,并比较采用不同的正则化参数得到的结果。”他还特别要求:“维纳滤波的计算公式部分要求自己编写代码,不允许使用Matlab/IDL自带函数。”
作业九是“阅读文献C. Tomasi and R. Manduchi, Bilateral Filtering for Gray and Color Images, Proceedings of the 1998 IEEE International Conference on Computer Vision。选择一幅彩色图像,进行Bilateral filtering 处理”。其余的案例和算法,属于“自选动作”的题目,他会列出文献,让感兴趣的学生自己探索。
这些作业构成了课程的平时成绩。期末怎么考核呢?近年来,他改变了传统的统一考试的方式,而是因材施教,让学生结合自己的兴趣或者科研任务,选择一个与遥感图像处理相关的研究方向,查找相关的最新文献,写一篇该方向的研究综述,引导学生把图像处理领域的前沿成果应用到自己的研究领域当中。他还规定:必须寻找最近十年的研究成果,而且必须是从遥感领域和数字图像处理领域的顶级刊物上寻找。为了便于学生搜索文献,他在遥感领域和数字图像处理领域分别列出了10种期刊的名称,并列出了ICCV、CVPR、SIGGRAPH等6个顶级国际会议。
“学生的专业背景不同,这样考核更灵活、更个性化,有利于学生找到自己的兴趣、发挥自己的长处。”陈奋说,“为了把一个问题梳理清楚,学生必须有效查找不少于10篇论文,而为了筛选出这10篇论文,学生至少要阅读几十篇论文,这样很有助于扩展学生的学术视野。”
通过为学生“加餐”,这门课程在教学模式上基本实现了教师讲授、课程主题研讨等多种形式的交叉融合,在考核形式上实现了课后实践作业和课程论文的综合性,从而加大了学习的强度,在课程内容上加大了深度、加强了前沿文献的阅读,能够及时反映本学科的最新研究内容和科学技术问题。
陈奋表示,最令自己高兴的就是看到越来越多的学生愿意在课后寻找文献,自己动手实现一些有趣的算法——自主学习,这是作为老师梦寐以求的教学效果。
编辑:王晓刚 / 审核:王晓刚 / 发布:陈伟
即可将网页分享至朋友圈