面向电气工程研究生的“数字图像处理”课程改革

郭斯羽，温 和，凌志刚，刘 敏

（湖南大学 电气与信息工程学院，湖南 长沙 410082）

引言

近年来，以深度学习、强化学习和迁移学习等高级机器学习理论的迅猛发展为代表，人工智能领域迎来了新的高速发展［1］，也带动了电力人工智能的进一步发展，成为能源数字化变革的一个关键的驱动技术［2］。为响应技术发展的趋势与需求，众多高校的电气工程相关本科与研究生专业均加强了有关人工智能的课程教学。

在课程体系的改革方面，王立国等［3］参考了康奈尔大学的ECE4950课程，面向电气工程专业设计了人工智能课程培养体系，通过机理分析、系统设计、算法开发、仿真模拟到实验验证的过程，实施人工智能控制算法教学；韩龙等［4］研究了融入人工智能新概念理论的电气工程与智能控制专业培养模式，从培养目标、课程体系、课堂与实践教学、考核评价环节等方面进行了改革；徐祥征［5］以“人工智能+新工科”为导向，在电气工程及自动化专业的课程体系中增加了多门人工智能领域的课程。

也有若干研究开展了具体课程的改革。杨知方等［6］在“电力系统综合仿真实验”课程中增加了人工智能基础知识与应用的内容，利用深度网络进行负荷预测和故障识别；王博［7］在电气类的“自动检测与智能仪表技术”课程中，利用人工智能方法进行传感器的非线性动态补偿和过程控制中变量的软测量；樊小朝［8］面向电气工程专业的研究生开设了“智能控制理论与应用”课程，结合智能控制在电力系统中的应用，在电气工程专业研究生的培养过程中引入了人工智能领域的知识和实践。

图像处理与机器视觉是人工智能领域的重要分支。得益于深度学习的发展，基于图像的检测方法在包括电气工程在内的各类工程问题中的适用性不断提高。对电气工程专业的研究生来说，不论是攻读学位期间的科研任务，还是毕业后作为电气工程领域的技术人员和管理人员，都将越来越多地接触与图像处理有关的研发任务。因此，有必要对图像处理的相关问题和方法进行系统性了解，从而提出或评估基于图像的工程应用解决方案。

本文针对电气工程专业的研究生，就“数字图像处理”课程的课程目标、教学内容、实践内容以及考核环节进行改革，使课程紧贴专业实际需求，在相对有限的学时内，为学生提供充分的理论与实践教学，使其具备应用图像处理方法解决具有一定复杂度的电气工程领域实际工程问题的能力。

一、课程的改革举措

（一）课程目标

多数电气工程专业研究生的培养目标，是培养具备电气工程领域系统专业知识以及学术研究和技术开发能力，能够在毕业后胜任领域内研究机构、产业部门和企业的理论研究、技术研发、工程应用及管理岗位的专业人才。图像处理技术作为从视觉数据中获取信息的一种手段，在电气工程专业研究生目标岗位中发挥着重要作用，是针对电力系统、电气设备、电机电器等对象，检测其在设计、制造、建设、运行、维护、管理过程中的各类状态，从而为后续决策步骤提供高效、可靠、有效的信息来源。例如，在输配电系统的运行监测中，结合无人机或无人车自动巡检，可以通过图像处理方法获取电网设备的运行状态，发现电网的故障或安全隐患；或通过视频中的动作检测，对售电部门的人员服务质量进行评价等。

图像处理技术的不断发展，使其在电气工程领域中的应用日益广泛。电气工程专业的研究生有必要了解图像处理的知识，从而在面对电气工程领域的实际问题时，提出基于图像处理的新解决思路，或对涉及图像处理技术的解决方案的可行性、性能和成本因素加以评估。

大多数电气工程专业的研究生在本科阶段并未系统地学过数字图像处理方面的课程，因此可将电气工程专业的研究生视为图像处理的零基础学习者。对他们而言，本课程应较为系统全面地介绍数字图像处理领域的主要问题、方法和解决问题的思路，并能在相对较短的授课时间内将这些方法和思路与电气工程领域的实际应用问题联系起来，将课堂中的知识迅速转化为实际应用的能力。

结合上述对专业培养目标和学生知识基础的分析，改革后的“数字图像处理”课程的课程教学目标设计如下：（1）学生能够较为全面整体地了解数字图像处理所涉及的技术问题、典型的解决方案和工程应用思路，了解数字图像处理技术在电气工程领域的典型应用场景。（2）学生能够理解常用数字图像处理算法的适用范围、主要思路及其优缺点，并能借助支持数字图像处理操作的快捷编程工具如OpenCV、具备第三方包支持的Python、MATLAB等，编程解决具有一定复杂度的图像处理任务。（3）学生能够针对电气工程领域具体的应用需求，提出可行的基于图像的解决方案，或从性能、成本、实现的环境需求等方面，对已有的图像处理解决方案进行综合评价，从而得到关于方案可行性或适用条件的有效结论。

（二）教学内容

“数字图像处理”课程主要包括数字图像的基础知识，如数字图像的获取，灰度级、分辨率、连通性、区域等数字图像的基础概念，以及颜色和彩色空间的概念等；图像增强，包括灰度变换、图像的算术与逻辑运算、图像的空间滤波与频域滤波等；图像复原，包括图像退化模型、复原滤波、几何变换等；图像变换，如离散余弦变换和小波变换等；图像压缩；数学形态学处理；图像分割，包括阈值分割、边缘检测、分水岭算法和霍夫变换等；特征提取与对象识别，包括常用的区域或边界特征以及包括神经网络在内的常用模式识别算法。

电气工程专业研究生的“数字图像处理”一般作为选修课程开设，学时数多为32～36 学时。对于较少的学时数而言，上述教学内容多，无法全部涉及，而需要有侧重、有针对性地设计教学内容。

由于学习者将来主要面临的是电气工程领域中以检测为主要目的的图像处理任务，因此，课程内容应侧重于目标检测与对象识别，对象的尺寸、形状等外形特征的定量分析与测量，以及为此目的提供支撑的图像增强、几何变换、分割等方法。相关的数字图像处理方法主要集中在图像增强、图像复原、形态学处理、图像分割、特征提取与对象识别，而图像复原滤波器、图像变换与图像压缩等章节可作为简要介绍或学生自学的内容，减少课堂授课学时。

电气工程专业的研究生基本具备了有关信号处理、数学变换等方面的基础知识，并在本科阶段的科研实践活动以及毕业设计等环节中进行了应用，具有一定的实践经验，理解较为深刻。因此，对于图像增强特别是图像滤波的内容，可以弱化原理方面的课堂讲授，将重点放在各类空间滤波器的作用和效果上。由于各类数字图像及其获取设备的普及，学生对数字图像的基础概念往往也有一定程度的了解，故可相应简化数字图像基础知识的讲授内容。

人工智能技术的发展，使深度网络成了目标检测与识别的主流方法，但这部分内容目前在“数字图像处理”课程中所占比例不大，因此有待强化对相关原理知识的介绍。尽管深度网络已经应用于目标检测与跟踪、图像去噪和复原、图像分割等多类图像处理任务，传统的图像增强和分割方法仍发挥着重要作用，特别是在对图像中的对象进行定量分析和测量时，往往需要对这些传统方法进行适当组合与应用。而诸如k近邻分类器、决策树等传统的模式识别方法，同样可以在当前的实际工程问题中找到应用场景，因此仍然需要保留这部分讲授内容，但可根据实际授课进度调整其详略程度。

（三）课程的实践教学内容

“数字图像处理”课程的实践性强，通过在实际图像上应用各种算法并观察其效果，能极大地加深学生对这些算法的原理和步骤的理解。而且，本课程的主要目的是让学生能够通过所学方法解决具有一定复杂程度的实际问题。因此，课程应安排足够的实践内容达到这一目的。

课程的实践内容主要包括两类：一是单个处理算法的验证型实验，这些算法在支持数字图像处理的编程软件中往往有现成的实现，学生可在随堂练习中以极少量代码完成相应的图像处理操作，并观察处理结果；二是综合性图像处理课题，因其具有工程应用背景，涵盖多个图像处理任务，需要学生综合应用课程中不同阶段所学的算法，并适当组合或修改才能完成。这类任务适合以课程设计或课程大作业的形式来完成。由于所费时间较多，需要认真设计，以便通过少数精练的任务即可达成能力培养的目的。在此主要介绍后一类实践内容的设计。

综合考虑学时和工作量，课程中设计了四个综合性的课题，既可按不同步骤分散到整个授课期间逐步完成，也可在课程接近尾声时作为课程综合设计或练习，考查学生的能力达成情况。四个课题具体如下。

1.电力设备红外热成像图像的处理。主要巩固图像去噪和增强，以及图像分割方法的理解和应用。电力设备异常发热往往是设备存在故障或故障隐患的重要表现。电力设备的红外热像图提供了一种有效的电力设备故障无损检测途径。但现有的红外热成像往往存在高噪声和低对比度的缺点，因此无论是对人工观察还是对电力设备故障自动检测来说，电力设备红外图像的去噪与增强都具有重要意义。

本课题提供了实地采集的电力设备红外图像集，由学生对图像进行观察，选择所学的图像去噪和增强方法，并评估处理效果。之后再利用不同的图像分割方法进行分割，并评估分割效果。此外，还可要求学生进行图像增强和分割相关文献的拓展查阅，自行编程实现文献算法后，在图像集上应用并观察效果。

2.图纸中电气符号的自动识别。主要巩固学生对图像分割、特征提取和对象识别以及基于深度网络的目标检测方法的理解和应用。电网工程图纸的矢量化识别，对电网领域基础图纸的数字化具有重要意义。有多种图纸矢量化识别的途径，较常用的方法是先对图纸进行阈值分割，然后通过模板匹配进行识别，或者利用霍夫变换方法检测直线段、圆等简单的基本几何元素，再通过其组合来确定电气符号，或者直接构建深度网络识别图纸中的电气符号。在不同的学习阶段，可要求学生用不同方法识别图纸中的电气符号并对比性能，还可让学生自行构建电网工程图纸的图像集并进行拓展研究。

3.模拟仪表的自动读数。主要巩固学生对图像分割、特征提取和对象识别、几何变换方法的理解与应用。在电厂、变电站等电力生产和输送场所，仍然存在大量指针式模拟仪表。采集仪表图像并利用图像处理方法完成自动读数，可有效实现相关场所的智能化改造，且对生产业务的干扰较小。模拟仪表自动读数的步骤大致为：用图像分割和基于区域特征的对象识别初步定位表盘，再用数学形态学、霍夫变换等方法精确定位表盘，表盘区域经几何变换校正为圆形等标准形状，最后通过指针、刻度和文字的识别完成自动读数。本课题可根据每个步骤涉及的图像处理任务，分割之后安排在不同学习阶段完成，并最终组合成为一个完整的处理程序。也可让学生针对某个步骤或整个处理过程，提出和实现自己的改进思路，应用并观察效果，分析不同方法的优缺点和适用场合。

4.输电塔倾斜状况检测。主要巩固学生对深度网络目标检测、图像分割、霍夫变换等方法的理解和应用。输电杆塔倾斜的早期发现，对预防输配电线路故障、保障输配电正常运行具有重要作用。本课题通过深度网络，识别地面车辆采集的输电线路图像中的输电塔，用图像分割和霍夫变换确定输电塔的主要框架结构，并通过对称轴检测确定输电塔的倾斜状况。本课题更适合作为具有一定综合性的课题，在课程结束后由学生一次性完成。对称轴检测需要学生通过拓展文献阅读自学完成，并需要自行编程实现相关算法。

上述课题全面覆盖了课程的各主要知识点。每个课题均涉及三个或更多不同类型的图像处理与识别任务，需要学生在深入分析后选择适当方法完成。课题的多数步骤可直接利用现有的函数或模块完成，同时也安排了部分需要自行实现的步骤，以锻炼和考查学生应用成熟的图像处理算法以及理解和实现特定图像处理算法的能力，且整体工作量适中。对深度网络图像处理，课程提供公用的服务器用于网络的训练。为了减少构建训练样本集的工作量，课程提供部分预先准备好的训练样本集，再由学生自行补充适当数量的样本后进行训练，帮助学生以较少的时间和工作量了解深度网络的训练和应用的完整流程。

（四）课程考核方式与命题设计

课程考核的主要目的是考查学生在课程目标所确定的相关能力培养上的达成情况。因此，在考核内容上基本上排除了单一记忆性的内容。最终的课程考核主要分为两大部分：第一，以课程的综合性实验或课程设计形式完成前文所述的实践课题，能够综合性地考查学生应用图像处理方法解决具有实际意义的复杂工程问题的能力，以及编程实现图像处理方法的能力。这部分考核内容的综合性最强，对学生应用能力的考核程度也最高，但是信度方面的可控性较弱。第二，课程书面考试，通过可控的考试过程获得高信度的成绩。书面考试题型主要分为选择题、判断题和设计与评估题，其中选择题和判断题在具体的应用场景中让学生判断图像处理算法的适用性与处理结果的正确性。例如，根据所描述的图像滤波算法选择正确的滤波结果图像，或者判断算法参数发生改变时对结果造成的影响等。设计与评估题则要求学生针对具体的应用问题，提出图像处理解决方案，说明其可行性，对方案中关键参数的设置、适用的限制条件和可能存在的风险进行阐述；或者在题目中给出具体的应用问题和解决方案，让学生同样进行可行性分析等，并根据自己的判断对方案进行调整。

二、课程改革成效

课程经过上述改革后，在实际教学中取得了较为明显的效果。

（一）学生的参与度和积极性有了明显提高

在改革之前，尽管也有相应的课堂实验内容，但是由于与专业的契合度不高，综合性也不强，因此，学生仍然以单一的听讲为主，参与度欠佳，积极性不高。在改革后，课上进行编程的比例和复杂度均有明显提升，且计入总评成绩，因此对学生形成了动手实践的外在压力。同时，由于实践课题与部分学生的研究课题存在一定的相关性，调动了他们的参与积极性。

（二）学生对图像处理方法水平有所提高

学生对图像处理方法的整体了解和具体应用较改革前均有明显提高。改革前，学生更偏向于了解和记忆一些原理性的内容，由于动手实践不足，相当比例的学生只能够模仿使用部分图像处理算法，对于这些算法的适用条件和局限性缺乏深入理解，也难以通过所学算法的适当组合完成较为复杂的图像处理任务。改革后，学生基本都能够恰当地选择算法和参数，同时大部分学生能够通过现成的图像处理算法完成较为复杂的图像处理任务，并能针对电气工程背景的实际问题，提出基于图像的可行的解决思路。

另外还有部分学生，他们承担的科研课题涉及图像处理，如光伏电池的缺陷检测、风力发电机的工作状态检测和故障诊断、输配电线路巡检中的异常检测等。通过课程学习和实践，这部分学生迅速掌握了相关的图像处理知识，不仅能够更快地完成文献调研与阅读，而且在课程结束之前，就能够设计和实现图像处理算法，完成部分课题目标。这些学生在课程结束后的半年到一年内，均完成了课题相关的期刊或会议论文。这部分学生对于课程效果的反馈也最为正面。

结语

本文介绍了电气工程专业研究生的“数字图像处理”课程改革的内容和效果。在课程改革中，根据电气工程专业研究生的培养目标，对“数字图像处理”课程目标进行了重新制定，明确了能力培养目标；根据课程目标对课程内容的取舍和侧重进行了调整；为落实课程的能力培养目标，对课程的实践内容进行了重新设计，特别是根据电气工程领域的实际工程问题，引入了具有足够复杂度的综合型实践课题；改革了课程的考核方式与考核内容。课程结束后，学生均具备了合理选择和应用图像处理方法解决一个或多个具体的图像处理任务的能力，并能针对电气工程领域的实际工程问题，对基于图像处理的方案进行评估。此外，还有部分学生能够提出和实现一个完整的图像处理方案，用以解决电气工程领域的复杂检测问题。