《《計(jì)算機(jī)視覺》課程報(bào)告》由會(huì)員分享，可在線閱讀，更多相關(guān)《《計(jì)算機(jī)視覺》課程報(bào)告（10頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、重慶郵電大學(xué)研究生堂下考試答卷 2015-2016學(xué)年第2學(xué)期 考試科目計(jì)算機(jī)視覺 姓 名 學(xué) 號(hào) 年 級(jí) 專 業(yè)計(jì)算機(jī)科學(xué)與技術(shù) 2016 年 6 月 28 日 關(guān)于圖像增強(qiáng)技術(shù)的綜述 摘要：圖像增強(qiáng)是指以滿足特定應(yīng)用需求為目的， 突出圖像中感興趣區(qū)域信 息，抑制或去除其他信息，針對(duì)不同的應(yīng)用而異的圖像分析識(shí)別預(yù)處理， 其目標(biāo) 是變換原圖像信息為更加適合人機(jī)辨識(shí)的系列方法。對(duì)圖像質(zhì)量的要求也隨著多 媒體技術(shù)和產(chǎn)品的不斷發(fā)展和在各領(lǐng)域的廣泛應(yīng)用而不斷提高。 而通常圖像在獲 取過程中受成像設(shè)備、場(chǎng)景動(dòng)態(tài)范圍、光照條件等因素影響，使得圖像質(zhì)量下降， 甚至于影響后續(xù)的人機(jī)圖像分析

2、識(shí)別。為此，需要對(duì)圖像進(jìn)行動(dòng)態(tài)范圍調(diào)整、對(duì) 比度增強(qiáng)、彩色圖像增強(qiáng)處理及視覺感知一致性等方面的處理來獲得高質(zhì)量的圖 像。論文以具體應(yīng)用目標(biāo)要求為基準(zhǔn)，通過對(duì)圖像的視覺效果增強(qiáng)相關(guān)理論和技 術(shù)方法的深入研究，分析其在實(shí)際應(yīng)用中存在的問題和缺點(diǎn)， 進(jìn)一步提出相應(yīng)的 改進(jìn)增強(qiáng)算法。主要包括對(duì)彩色圖像本身的增強(qiáng)、 基于圖像域的多曝光圖像融合 增強(qiáng)以及基于頻率域的多傳感器圖像融合增強(qiáng)。 關(guān)鍵字：圖像增強(qiáng)高動(dòng)態(tài)范圍成像多曝光融合色調(diào)映射 目錄 前言 3.. 第1章 圖像增強(qiáng)的研究背景與意義 3 第2章圖像增強(qiáng)研究現(xiàn)狀及存在的問題 4 2.1空域增強(qiáng) 4 22基于頻域的增強(qiáng) 5 2.3基于

3、融合的增強(qiáng) 5 2.4圖像增強(qiáng)的評(píng)價(jià)方法 6 2.5圖像增強(qiáng)算法概述 6 參考文獻(xiàn) 7... 課程體會(huì) 9 、八 、- 前言 現(xiàn)代人類對(duì)圖像應(yīng)用和質(zhì)量提出了越來越高的要求， 因此，與具體需求相適 應(yīng)的圖像增強(qiáng)方法隨之而產(chǎn)生。 課題以圖像增強(qiáng)的相關(guān)技術(shù)和具體應(yīng)用需求為研 究出發(fā)點(diǎn)和歸宿， 以算法在視覺感知和處理效率方面的改進(jìn)為導(dǎo)向， 將單一圖像 增強(qiáng)處理到多幅圖像融合增強(qiáng)相關(guān)方法和應(yīng)用需求有機(jī)地結(jié)合在一起。 在這一章 中，將分析和介紹與本課題圖像增強(qiáng)研究密切相關(guān)的研究背景與意義、 國內(nèi)外此 領(lǐng)域的研究現(xiàn)狀、課題研究的基本內(nèi)容， 最后，指明論文的課題來源及整篇組織。 圖像已經(jīng)廣泛深

4、入應(yīng)用到人們生產(chǎn)、生活的方方面面，而人們對(duì)圖像質(zhì)量的 要求也越來越高。 而圖像增強(qiáng)技術(shù)正順應(yīng)人們的需求， 經(jīng)過幾十年的沉積， 仍有 許多尚待研究和解決的問題。 本文將針對(duì)不同的具體應(yīng)用， 研究改善圖像視覺質(zhì) 量和感知效果的幾類圖像增強(qiáng)相關(guān)算法和理論，提出了新的優(yōu)化改進(jìn)方法。 第 1 章 圖像增強(qiáng)的研究背景與意義 在人類的五觀感知信息中， 由眼睛即視覺感知所帶來的信息在人類信息獲取 中占據(jù)著非常重要的地位 [1] 。而圖像正是人們?cè)谌粘Ｉ?、科學(xué)研究、生產(chǎn)與消 費(fèi)領(lǐng)域最直接和最直觀地可接觸到的信息， 圖像的應(yīng)用已經(jīng)滲透到人類活動(dòng)的各 個(gè)領(lǐng)域。而為了達(dá)到人類對(duì)圖像應(yīng)用各領(lǐng)域特定需求的目的， 又需

5、要對(duì)原始捕獲 的圖像作相應(yīng)的處理， 在一系列的數(shù)字化圖像處理中， 圖像增強(qiáng)成為了整個(gè)圖像 處理中非常引人注目的一個(gè)研究點(diǎn)。 圖像增強(qiáng)作為圖像處理的一個(gè)古老而重要的分支， 在不斷地應(yīng)用需求變化面 前，也在不斷更新其研究目標(biāo)和發(fā)展其增強(qiáng)處理方法技術(shù)。 通常，由于場(chǎng)景本身 所包含的動(dòng)態(tài)范圍、 光照條件、 圖像捕獲設(shè)備如數(shù)碼相機(jī)的局限， 以及攝影者本 身的技術(shù)問題等多種因素影響， 多數(shù)情況下， 會(huì)使得拍攝的圖像達(dá)不到人們預(yù)期 的目標(biāo)，如場(chǎng)景中的運(yùn)動(dòng)目標(biāo)產(chǎn)生的運(yùn)動(dòng)模糊、 由于曝光不恰當(dāng)引起的場(chǎng)景細(xì)節(jié) 損失或是弱小目標(biāo)辨識(shí)不清等， 都會(huì)對(duì)后期的圖像前后景分割、 目標(biāo)識(shí)別、 目標(biāo) 跟蹤和最終的圖像理解以及

6、預(yù)測(cè)分析等帶來困難。 而圖像增強(qiáng)本身的目標(biāo)就是為 了突出圖像中感興趣的區(qū)域、 降低或去除不需要的圖像信息， 以此來加強(qiáng)和獲取 用戶覺得有用的信息，進(jìn)而得到更加適合于人 / 機(jī)器對(duì)圖像進(jìn)行理解和分析處理 的表現(xiàn)形式或是富含更多細(xì)節(jié)信息的圖像的相應(yīng)處理方法 [1] 。由于各行各業(yè)都擁 有各自特有類型的圖像也使得圖像增強(qiáng)處理方法有其共性也有其特殊性。 如用數(shù) 碼相機(jī)采集的圖像， 通過增強(qiáng)單幅彩色圖像， 可以有效減少由于光照不均、 實(shí)際 場(chǎng)景在成像過程中的動(dòng)態(tài)范圍壓縮不恰當(dāng)所造成的細(xì)節(jié)損失、 彩色失真等造成的 圖像退化問題。 而通過連續(xù)多次曝光同一場(chǎng)景獲取圖像序列， 通過圖像融合處理 可以彌補(bǔ)單一曝光

7、度圖像所不能捕獲的動(dòng)態(tài)信息， 最終形成一幅具有更豐富細(xì)節(jié) 的增強(qiáng)圖像。在醫(yī)學(xué)領(lǐng)域， MRI、CT 等成像技術(shù)的大量使用，使得人們對(duì)腦部、 胸部、肺部等內(nèi)臟器官及其他人體機(jī)構(gòu)中病變的檢測(cè)和定位提供了更精準(zhǔn)的信息。 而在軍事和其他公共安防監(jiān)控中， 可通過紅外成像提取出感興趣的目標(biāo)， 同時(shí)借 助可見光成像來對(duì)提取的目標(biāo)環(huán)境進(jìn)行準(zhǔn)確定位。 在智能交通中， 隨著天氣愈加 惡劣，霧霾、沙塵暴，以及受夜間光照影響等，使得監(jiān)控成像后需要對(duì)圖像進(jìn)行 增強(qiáng)，以增進(jìn)對(duì)車輛、行人、車牌號(hào)及道路標(biāo)識(shí)等進(jìn)行更好的識(shí)別。而在衛(wèi)星遙 感成像中， 增強(qiáng)處理遙感圖像可以加強(qiáng)對(duì)森林火災(zāi)防控、 作物分布蟲害防治以及 金屬礦產(chǎn)探測(cè)方面

8、更好的應(yīng)用等。 通常從兩個(gè)方面實(shí)現(xiàn)圖像增強(qiáng)，一是對(duì)比度拉伸處理，二細(xì)節(jié)保持與再現(xiàn) [2] 。將 在非良好照明條件下獲取到的視覺效果較差的低對(duì)比度圖像，通過圖像灰度變 換，調(diào)整其對(duì)比度， 可實(shí)現(xiàn)原圖像的對(duì)比度增強(qiáng)。 為了使得圖像中感興趣的信息 或是有用的信息變得更加突顯， 而這些細(xì)節(jié)信息通常被遮蓋或剪除， 此時(shí)通過相 應(yīng)的變換，必然達(dá)到增強(qiáng)圖像細(xì)節(jié)的目標(biāo) [3] 。而在實(shí)際應(yīng)用中，通常會(huì)需要對(duì)退 化圖像進(jìn)行對(duì)比度和細(xì)節(jié)兩方面的增強(qiáng)處理， 以達(dá)到最終的圖像增強(qiáng)效果。 圖像 增強(qiáng)的結(jié)果通常具有主觀性， 大多靠經(jīng)驗(yàn)性累積方法， 對(duì)實(shí)際應(yīng)用中的圖像進(jìn)行 交互處理以達(dá)到增強(qiáng)的目的， 這也為圖像增強(qiáng)量化標(biāo)

9、準(zhǔn)帶來困難。 由于圖像增強(qiáng) 處理在許多實(shí)際應(yīng)用領(lǐng)域中都非常必要， 因此，其研究始終處于圖像處理的前沿。 第 2章 圖像增強(qiáng)研究現(xiàn)狀及存在的問題 圖像增強(qiáng)技術(shù)按其變換處理所在的作用域不同而被分為空域方法和頻域方法兩 大類。而由于具體的應(yīng)用目的不同， 其圖像實(shí)際增強(qiáng)處理所用到的方法和增強(qiáng)的 內(nèi)容有一定的差異， 但圖像增強(qiáng)處理的各目標(biāo)和方法并不互相排斥， 某些應(yīng)用中 需要同時(shí)聯(lián)合幾種方法來實(shí)現(xiàn)最好的增強(qiáng)效果。 2.1 空域增強(qiáng) 空域增強(qiáng)通常包含圖像灰度級(jí)變換、圖像直方變換、直方均衡以及使用模糊 邏輯和基于優(yōu)化的增強(qiáng)算法，如使用遺傳算法和細(xì)菌覓食等算法進(jìn)行優(yōu)化處理以 達(dá)到圖像增強(qiáng)的目的。 空域圖

10、像增強(qiáng)方法的一般定義[1,2-3]如下公式1： g(x,y)二T[f(x,y)] ( 1) 其中，f ( x,y) 為輸入的待增強(qiáng)的圖像g ( x,y) 為處理后的增強(qiáng)圖像，T為空 間域變換函數(shù)，表示對(duì)原圖像f( x,y)在像素空間所進(jìn)行的各種變換操作。當(dāng)T操 作定義在單個(gè)像素點(diǎn)(x ,y)上時(shí)，稱該操作為點(diǎn)操作；而空間濾波指 T操作作 用于像素點(diǎn)(x ,y)的鄰域上時(shí)的相應(yīng)處理。 2.2基于頻域的增強(qiáng) 基于頻域的圖像增強(qiáng)算法基礎(chǔ)為卷積理論，該方法把圖像視為波，然后再利 用信號(hào)處理手段來處理圖像。其通用的數(shù)學(xué)表示 ⑴如下公式2所示： G(u,v) =H(u,v)*F(u,v) ( 2

11、) g( x,y)為增強(qiáng)后的圖像，F(xiàn)( x,y)為原圖像的傅立葉變換，H( x,y)為濾波 變換函數(shù)，通過大量的實(shí)驗(yàn)研究，發(fā)現(xiàn)增強(qiáng)處理后的圖像具有比原圖像更加清晰 的細(xì)節(jié)。常用的濾波方法有低通、高通、帶阻及同態(tài)濾波等。 頻域圖像增強(qiáng)方法從本質(zhì)上講是一種間接對(duì)圖像進(jìn)行變換處理的方法。 其最 早的變換理論，由傅立葉的《熱分析理論》指出的周期函數(shù)表達(dá)可由不同頻率和 不同倍乘系數(shù)表達(dá)的正/余弦和形式表征⑴。隨著圖像處理應(yīng)用不斷發(fā)展，頻率 域變換方法近年來發(fā)展了在小波變換基礎(chǔ)上發(fā)展起來的具有更高精度以及更的 稀疏表達(dá)特性，更加適合于表達(dá)圖像的邊緣輪廓信息的 Curvelet和Contourl-

12、et變換。這些超小波變換都是基于變換域的新型的多尺度分析方法，在圖像對(duì) 比度增強(qiáng)、降噪、圖像融合與分割等方面得到了廣泛地應(yīng)用 [4-8]。 2.3基于融合的增強(qiáng) 上述方法主要從圖像自身的處理來完成單一圖像的增強(qiáng)， 但對(duì)于原始圖像本 身蘊(yùn)含信息量不夠，特別是由于光照、曝光度等原因造成的部分區(qū)域信息損失時(shí)， 單靠唯一一幅原始圖像本身不足以實(shí)現(xiàn)整幅圖像增強(qiáng) [4,10]。近年來，許多學(xué)者對(duì) 融合多圖像增強(qiáng)提出了許多新的方法和思路。主要可以分為：基于多傳感器圖像 融合增強(qiáng) [10-14] ，如 Stathaki 分析總結(jié)了圖像融合的相關(guān)算法及應(yīng)用領(lǐng)域 [10] 。Shah 等提出四

13、種紅外圖像與可見光圖像融合以增強(qiáng)圖像背景信息的方法 [12] 。其中基于 直接圖像域的權(quán)值調(diào)整方法取得了較明顯的增強(qiáng)效果， 但在總體細(xì)節(jié)有模糊化痕 跡,且其強(qiáng)烈依賴于圖像精確校準(zhǔn)和場(chǎng)景完全靜態(tài)的假設(shè)； 而基于小波、Curvelet 變換以及 Contourlet 變換等頻率域多尺度方法融合增強(qiáng)后細(xì)節(jié)保留得更好。 Pohl 等分析了遙感圖像中多傳感器圖像融合技術(shù)的相關(guān)概念、技術(shù)方法及其應(yīng) 用[13] 。 Li 等人提出一種基于區(qū)域的脈沖耦合神經(jīng)網(wǎng)絡(luò)圖像融合方法 [14]。 2.4 圖像增強(qiáng)的評(píng)價(jià)方法 圖像增強(qiáng)算法本身在不同的應(yīng)用過程中, 其增強(qiáng)的結(jié)果隨著增強(qiáng)的目的不同 而存在差異, 因此,沒

14、有一個(gè)統(tǒng)一的增強(qiáng)算法能適合于所有類型的增強(qiáng)處理。 同 樣,對(duì)于增強(qiáng)后的結(jié)果評(píng)價(jià)也因主觀性和客觀需求不同而有所側(cè)重。 圖像增強(qiáng)評(píng) 價(jià)方法總體可分為兩大類：即主觀評(píng)價(jià)和客觀評(píng)價(jià) [9] 。主觀評(píng)價(jià)具有較強(qiáng)的經(jīng)驗(yàn) 性,從人眼視覺感知的角度進(jìn)行評(píng)判, 而對(duì)于人類視覺系統(tǒng) (HumanVisual System, HVS的精確模擬仍是困難的問題，因此，真正意義上的基于HVS的主觀評(píng)價(jià)系 統(tǒng)只能定性描述并未能起到實(shí)際定量量化評(píng)估的作用。 2.5 圖像增強(qiáng)算法綜述 隨著成像技術(shù)和計(jì)算機(jī)技術(shù)的不斷發(fā)展， 數(shù)字圖像已經(jīng)成為人們?nèi)粘Ｉ钪?必不可少的組成部分， 各種成像手段和設(shè)備大量用于數(shù)字娛樂、 身份識(shí)別、

15、 智能 交通、醫(yī)療病癥檢測(cè)、軍事監(jiān)管等。由于夜間光照不足、大霧、沙塵等影響，捕 獲圖像中突發(fā)事件如相機(jī)運(yùn)動(dòng)、 或是場(chǎng)景中目標(biāo)運(yùn)動(dòng)等， 都會(huì)使采集的圖像或是 圖像序列遭受損失，存在成像模糊、噪聲污染及曝光不均等問題，為此，圖像增 強(qiáng)顯得尤為重要。 綜合分析相關(guān)文獻(xiàn)， 圖像增強(qiáng)技術(shù)可歸為空域方法 [1-3] 和頻域方法 [1] 。在第一 章緒論中已完成對(duì)空域圖像增強(qiáng)的具體總結(jié)分析， 直接對(duì)像素值施用相應(yīng)的操作 以獲得增強(qiáng)效果，如灰度變換、直方均衡、直方匹配等方法；而頻域方法中，圖 像首先被轉(zhuǎn)換到頻率域， 也就是說第一步先要進(jìn)行傅立葉變換。 頻率增強(qiáng)方法中， 所有的增強(qiáng)算子都是在進(jìn)行傅立葉變換之后

16、進(jìn)行的， 然后再進(jìn)行傅立葉逆變換以 得到增強(qiáng)后的圖像。 這些增強(qiáng)算子通常用于調(diào)整圖像亮度、 對(duì)比度或是灰度級(jí)分 布，作為結(jié)果的輸出圖像的像素值根據(jù)所應(yīng)用的變換函數(shù)得以改觀。 空域方法具 有理論簡(jiǎn)單，算法復(fù)雜度低， 可廣泛應(yīng)用于實(shí)時(shí)領(lǐng)域圖像增強(qiáng)， 缺點(diǎn)是缺少很強(qiáng) 的自適應(yīng)能力。 而頻域圖像增強(qiáng)方法依賴于頻域信息變換處理， 其作用于相應(yīng)的 變換系數(shù)。這些頻域的圖像增強(qiáng)方法 [4-8] ，具有算法的復(fù)雜性較低，相應(yīng)變換及 特性應(yīng)用性好等優(yōu)點(diǎn)，其主要缺點(diǎn)是不能滿足對(duì)圖像的所有部分都能較好增強(qiáng)， 且算法難于應(yīng)付自適應(yīng)的圖像增強(qiáng)。 隨著各領(lǐng)域人們對(duì)高質(zhì)量圖像需求的不斷增加， 對(duì)圖像色彩及圖像中場(chǎng)景各 部

17、分細(xì)節(jié)要求越來越高， 如何獲取高質(zhì)量圖像以及如何將低質(zhì)量退化圖像進(jìn)行增 強(qiáng)以達(dá)到更好的應(yīng)用目標(biāo)需求， 越來越成為研究者們關(guān)注的焦點(diǎn)， 而帶給人們更 多視覺感知信息的彩色圖像和具有更高圖像細(xì)節(jié)質(zhì)量的高動(dòng)態(tài)范圍圖像帶給人 們更多的研究興趣。 而本文的研究也正是基于此， 因此，本論文將著重從單一彩 色圖像增強(qiáng)和高動(dòng)態(tài)范圍成像兩個(gè)方面進(jìn)行研究。 參考文獻(xiàn) 1. R.C.Gonzalez,R.E.Woods.Digital Image Processing[M],Person Prentice Hall, New Jersey,2008 2. Y.B.Rao, L.T.Chen. A survey

18、 of video enhancement techniques[J]. International Journal on Electrical Engineering and Informatics, 2012, 3(1):71-99 3. 饒?jiān)撇? 夜間視頻增強(qiáng)的關(guān)鍵技術(shù)研究 [D]. 成都：電子科技大學(xué)， 2012 4. P. Ganzalop, M. Jesus. Wavelet-based image fusion tutorial[J]. Pattern Recognition. 2004, 8(37):1855-1872 5.S. Li, B. Yang. Multifo

19、cus image fusion by combining curvelet and wavelet transform[J].Pattern Recognition Letters, 2008, 29: 295-301 6. A. Borsdorf, R. Raupach, T. Flohr, et al. Wavelet based noise reduction in CT-images usingcorrelation analysis[J]. IEEE Transactions on Medical Imaging, 2008, 27(12): 1685-1703 7. K.

20、Tsai, J. W. Ma, D. T. Ye, et al. Curvelet processing of MRI for local image enhancement[J].International Journal for Numerical Methods in Biomedical Engineering, 2012, 28 (6): 661-670 8. M. H. Asmare, V. S. Asirvadam, L. Iznita. Image enhancement by fusion in contourlettransform[J]. International J

21、ournal on ElectricalEngineering and Informatics, 2010, 2(1): 29-42 9. E. Reinhard, G. Ward, S. Pattanaik, et al. High Dynamic RangeImaging: Acquisition, Display and Image-based Lighting[M](2nd Edition). Morgan Kau_man, 2010 10. T. Stathaki. Image Fusion Algorithms and Applications[M]. Academic Pr

22、ess is an imprint of Elsevier, 2008 11. A. Toet. Natural color mapping for multi band night-vision imagery[J]. Information Fusion,2003, 4: 155-166 12. P. Shah, B. C. S. Reddy, S. N. Merchant, et al. Context enhancement to reveal a camouflaged target and to assist target localization by fusion mul

23、tispectral surveillance videos[J]. Signal,Image and Video Processing, 2011, 8: 1-16 13. C. Pohl, J. L. V. Genderen. Multisensor image fusion in remote sensing: concepts, methods and applications[J]. International Journal of Remote Sensing, 1998, 19(5): 823-854 14. M. Li, W. Cai, Z. Tan. A region-b

24、ased multi-sensor image fusion scheme using pulse-coupledneural network[J]. Pattern Recognition Letters, 2006, 27(16): 1948-1956 15. T. Mertens, J. Kautz, T. V. Reeth. Exposure fusion: a simple and practical alternative to high dynamic range photography[J]. Computer Graphics forum, 2009, 28: 161-17

25、1 課程體會(huì) 這學(xué)期我選了計(jì)算機(jī)視覺這門課， 總的來說收獲比較大， 了解了與自己研究 生階段研究方向不同的知識(shí)點(diǎn)。 作為計(jì)算機(jī)專業(yè)的研究生， 我本身比較喜歡計(jì)算 機(jī)這個(gè)專業(yè)，而計(jì)算機(jī)視覺是一門研究如何使機(jī)器“看”的科學(xué)，更進(jìn)一步說， 就是指用攝影機(jī)和和電腦代替人眼對(duì)目標(biāo)進(jìn)行識(shí)別、 跟蹤和測(cè)量等機(jī)器視覺， 并 做進(jìn)一步的圖形處理， 使電腦處理成為更適合人眼觀察或傳送給儀器檢測(cè)的圖像。 首先在這門課上， 我們了解了該領(lǐng)域的基本研究現(xiàn)狀和一些研究方法， 擴(kuò)大了我 們的視野。 而且老師在上課時(shí)候也給我們提供了一些自學(xué)的資料和網(wǎng)址， 方便對(duì) 這方面感興趣的同學(xué)可以深入的去學(xué)習(xí)一下該領(lǐng)域。 因此在這

26、學(xué)期的課程中， 我對(duì)教學(xué)比較滿意， 能夠?qū)W到這門課的知識(shí)點(diǎn)， 也 具有自己學(xué)習(xí)的自由度。 同時(shí)老師在這門課的教學(xué)上， 讓我們分成小組， 選取課 程相關(guān)的高質(zhì)量論文，來做最后的課程報(bào)告，我本來的研究方向不是圖像領(lǐng)域， 因此，最初拿到小組成員給的一個(gè)圖像增強(qiáng)方面的報(bào)告， 看了幾遍，發(fā)現(xiàn)看不懂。 其中可能也有是英文的原因， 自己英語不是很好， 另外就是對(duì)該領(lǐng)域的基本方法 了解不夠， 導(dǎo)致看論文存在問題。 所幸，我們小組有一個(gè)同學(xué)就是做圖像增強(qiáng)方 向的，因此我們決定進(jìn)行一次討論， 由那位比較了解該方向的同學(xué)， 給我們講解 一下論文。經(jīng)過這次討論會(huì)，我們?cè)摲较虻幕痉椒ㄒ擦私饬?，再看起論文，?比較容易了。后來我們又進(jìn)行了幾次討論，完成了小組的報(bào)告內(nèi)容和演講 PPT。 在這個(gè)過程中也是我提高比較多的地方。 希望在以后的課程中， 老師可以加強(qiáng)課堂教學(xué)管理， 這樣在平時(shí)成績管理上 能夠更加真實(shí)的反應(yīng)平時(shí)狀況。 總的來說， 作為研究生的一門課程， 計(jì)算機(jī)視覺 這門課，我個(gè)人覺得還是比較滿意的。