数字图像处理--数字图像处理与计算机视觉领域研修建议

整个研修分两个阶段进行。其中第一阶段为专业课程学习阶段；主要进行数字信号处理、图像处理、分析与计算机视觉基础理论学习以及课程项目实践。第二阶段为特定专题理论及应用研究；是在第一阶段学习的基础上，选定数字图像处理与计算机视觉及其应用的某一领域进行深入研修，主要进行科学研究和实际应用训练。

大约需要2~3 年左右时间来完成研修，每个阶段估计至少需要1~1.5 年时间。

可以根据学生的具体情况穿插滚动式进行。预计在此领域研修的学生需要补习的数学知识较多且时间有限，因此建议研修采用数字图像技术知识与数学知识并行

学习的方式来进行。

第一阶段主要为若干门（组）专业课程的学习：

一、数字信号处理基础

大约需要4 个月时间

1．学习《信号与系统》课程，完成相应的习题。

2．学习《数字信号处理》课程，完成相应的习题。

3．学生根据自身情况，向导师咨询，补习相关数学课程，完成一定量的习题。

部分参考书目

◇ Richard G. Lyons, Understanding Digital Signal Processing, 2nd Edition

◇ John G. Proakis, Dimitris G. Manolakis,

Digital Signal Processing: Principles, Algorithms, and Applications, 4th Ed.

◇ Jonathan Y. Stein,

Digital Signal Processing: A Computer Science Perspective, 2nd Edition

◇ Sanjit K. Mitra,

Digital Signal Processing: A Computer-Based Approach, 2nd Edition

◆ Ingrid Daubechies, Ten Lectures on Wavelets

◇ Christian Blatter, Wavelets: A Primer

◇ D. P. Radunović, Wavelets: from MATH to PRACTICE

◆ Bracewell R. N., The Fourier Transform and Its Applications, 3rd Edition

◆ A. V. Oppenheim & A. S. Willsky, Signals and Systems, 2nd Edition

◇ A. V. Oppenheim, R. W. Schafer, John R. Buck,

Discrete Time Signal Processing, 3rd Edition

2

二、数字图像处理导论

大约需要4 个月时间

1．学习《数字图像处理》课程，完成相应数量的习题。

2．学习数字图像处理程序设计，完成至少5 个图像处理算法的程序设计习题。

3．完成数字图像处理课程设计——开发一个具有基本功能的图像处理软件包。

部分参考书目

◆ Digital Image Processing，（例如Castleman, Gonzalez, Jähne, Jain, Pratt 等人）

◇ Dwayne Phillips, Image Processing in C, 2nd Edition

◆ Sonka M., Glavac V., Boyle R.,

Image Processing, Analysis, and Machine Vision, 3rd Edition

三、数字图像分析与理解高级课程

大约需要6 个月时间

1．学习《模式识别》、完成习题；研读《Pattern Classification》。

2．学习CA、PCA、FA、LDA 和ICA 等多元统计分析知识。

3．完成图像分割、人脸识别等3~5 个课程项目。

4．PDE 与Level Sets 在图像处理中的应用。

5．阅读ML、SVM、EM、SOM 等专题的英文原著，深入理解和掌握相关知识。

6．阅读Evolutionary Intelligence及其应用等专题的英文原著，学习相关知识。

部分参考书目

◆ Duda R. O., Hart P. E., Stork D. G., Pattern Classification, 2nd Edition

◇ K. Fukunaga, Introduction to Statistical Pattern Recognition, 2nd Edition

◆ Theodoridis S., Koutroumbas K., Pattern Recognition, 4th Edition

◇ S. Theodoridis, A. Pikrakis, K. Koutroumbas, D. Cavouras

Introduction to Pattern Recognition: A MATLAB® Approach

◇ A. R. Webb, Statistical Pattern Recognition, 2nd Edition

◇ J. P. Marques de Sá, Pattern Recognition: Concepts, Methods and Applications

◆ Aapo Hyvärinen, Juha Karhunen, Erkki Oja, Independent Component Analysis

◇ I. T. Jolliffe, Principal Component Analysis, 2nd Edition

◇ Sing Tze Bow, Pattern Recognition and Image Preprocessing, 2nd Edition

◇ M. S. Nixon, A. S. Aguado,

Feature Extraction and Image Processing, 2nd Edition

◆ Sonka M., Glavac V., Boyle R.,

Image Processing, Analysis, and Machine Vision, 3rd Edition

◆ Vapnik V. N., Statistical Learning Theory

3

◆ Vapnik V. N., The Nature of Statistical Learning Theory, 2nd Edition

◇ Christopher M. Bishop, Pattern Recognition and Machine Learning

◆ T. M. Mitchell, Machine Learning

◇ Ethem Alpaydın, Introduction to Machine Learning, 2nd Edition

◆ Nello Cristianini and John Shawe-Taylor,

An Introduction to Support Vector Machines and

Other Kernel-based Learning Methods

◇ John Shawe-Taylor and Nello Cristianini,

Kernel Methods for Pattern Analysis

◇ Ingo Steinwart and Andreas Christmann, Support Vector Machines

◇ McLachlan G. J., Krishnan T., The EM Algorithm and Extensions, 2nd Edition

◇ Stanley Osher, Nikos Paragios, (Editors)

Geometric Level Set Methods in Imaging, Vision, and Graphics

◇ Suri J., Laxminarayan S.,

PDE and Level Sets: Algorithmic Approaches to Static and Motion Imagery

◇ Gilles Aubert, Pierre Kornprobst.,

Mathematical Problems in Image Processing:

Partial Differential Equations and the Calculus of Variations, 2nd Edition

◇ Teuvo Kohonen, Self-Organizing Maps, 3rd Edition

四、计算机视觉导论

大约需要4~6 个月时间（201X 年XX 月XX 日——201X 年XX 月XX 日）

1．学习《计算机图形学基础》，完成相应的习题。

2．研读《Computer Vision: A Modern Approach》。

3．掌握OpenCV 编程，至少完成程序设计题目5 个、课程项目1 个。

部分参考书目

◆ Peter Shirley, Fundamentals of Computer Graphics, 2nd Edition

◇ L.G. Shapiro and G.C. Stockman, Computer Vision

◆ R. Jain, R. Kasturi and B. G. Schunck, Machine Vision

◆ David Marr's Vision: A Computational Investigation into the Human

Representation and Processing of Visual Information

◆ Dana Ballard and Chris Brown's Computer Vision

◇ Christian Wöhler, 3D Computer Vision: Efficient Methods and Applications

◇ Emanuele Trucco, Alessandro Verri,

Introductory Techniques for 3-D Computer Vision

◇ E.R. Davies, Machine Vision, 3rd Edition

◇ Richard Szeliski, Computer Vision: Algorithms and Applications

◆ Wesley E. Snyder and Hairong Qi, Machine Vision

◆ Gary Bradski and Adrian Kaehler,

Learning OpenCV: Computer Vision with the OpenCV Library

4

第二阶段研修任务主要有以下几项内容：

一、选择并确定数字图像技术或计算机视觉及其应用的某个领域为主攻方向；

二、阅读文献、撰写综述、***演示文稿并在一定范围内作研究开题报告；

三、开展研究并撰写研究论文（基本要求为能在国内核心刊物上公开发表）；

四、申请相应级别的研究课题或报考博士研究生。

附注：

1. 对于硕士层次的研修，带有灰色背景的内容为可选，包括数字图像分析

与理解高级课程中的4~6 三项。课程内容基本上是按照下面的三个层次安排的：

图像处理： image in → image out

图像分析： image in → measurements out

图像理解： image in → high-level description out

2. 在研修中使用MATLAB 等工具也是一种不错的选择（可节省试验时间）。

3. 计算机视觉阶段的研修时间暂定为4~6个月时间，确切时间取决于学生是

否需要补习计算机图形学知识以及一些数学知识，如射影几何、矩阵与张量代数、

模型估计等。

4. 这份建议比较适合自动化、计算机科学与技术专业毕业的学生，并且要

求学生的数理基础也比较好，特别是对相关的数学分支、以及计算智能感兴趣。

5. 标记为◆的参考书可能有影印版或中文翻译版。