OBE理念下項目驅動的數字圖像處理教學研究

崔文超，鄒俊杰，汪方毅，唐庭龍，夏 平

OBE理念下項目驅動的數字圖像處理教學研究

崔文超，鄒俊杰，汪方毅，唐庭龍，夏 平

(三峽大學計算機與信息學院，湖北 宜昌 443002)

傳統數字圖像處理教學強調經典方法講解而忽略文獻新方法拓展，強調單個算法實現而忽略算法項目化開發，強調個人能力鍛煉而忽略團隊精神培養。為克服這些問題，以工程教育專業認證的成果導向教育(OBE)理念，探索了一種新的基于項目驅動的教學方式。其教學目標由電子信息類專業畢業要求分解的指標點確定。教學過程采用CDIO的項目教學法，分為項目調研、項目設計、項目實現和項目運行反饋4個階段，并以圖像閾值分割專題為例，詳細闡述學生在不同階段所需完成的相關工作以及由此而培養和鍛煉的相關能力和素質，踐行將能力培養與素質教育貫穿于整個項目驅動教學過程之中。最后利用教學質量評價和反饋，持續改進教學過程中的學生能力培養短板問題。通過4年的教學實踐表明，基于OBE理念的項目驅動教學方式不僅有效克服了傳統教學方式存在的弊端，而且提升了學生的綜合能力，培養了學生的綜合素質。

數字圖像處理；成果導向教育；項目驅動；評價機制；實踐教學

《華盛頓協議》是工程教育本科專業學位的互認協議，其宗旨是通過工程教育資格的多邊認可，促進工程學位的互認與工程技術人員的國際流動[1]。2016年中國正式成為《華盛頓協議》的成員國，標志著我國工程教育認證體系的建立，并以工程教育的國際標準來培養人才，對我國工程技術領域的人才走向世界具有劃時代的重要意義[2]。

工程教育專業認證的核心理念是成果導向教育(outcomes-based education，OBE)[3]。不同于傳統的“以教學內容為本”的教學理念，OBE理念強調“以學生為中心”，并將教學目標制定、教學過程實施和教學質量評價等都以學生的學習成效為導向，強調學生能力的培養和素質的提高，并通過持續改進來不斷提升教學質量[3-5]。

作為一種先進的教育理念，OBE在英、美等國家經過數十年的理論和實踐探索，已形成一套比較完整的理論體系和實施模式，并已證明是高等工程教育改革的正確方向[3]。目前國內各大高校都在積極開展工程教育專業認證，在此背景下，基于OBE理念的教學改革與實踐也成為當前教育教學研究的熱點[6]。例如，武漢工程大學基于OBE理念，構建以實驗、實習、實訓，以創新、創業為導向的“三實兩創”實踐教學新體系[7]；大連理工大學基于OBE理念實施的工程教育教學改革，從學科導向向目標導向轉變、從教師中心向學生中心轉變、從質量監控向持續改進轉變[3]；清華大學基于OBE理念對軟件工程課程的教學方案進行改進和優化，以學生的課程學習效果為目標驅動，注重軟件技術能力、工程實踐能力以及解決復雜軟件問題能力的培養[8]。綜合以上優異的教學研究成果可知，要實現OBE理念下的教學模式的成功，必須在教學整體的設計上以培養學生解決復雜工程問題的能力為最終目標，并且在教學實踐過程中不斷調整和改進存在的能力培養短板問題[9]。

數字圖像處理作為電子信息類的一門重要專業課程，具有豐富的工程應用背景，往往是解決復雜工程問題必不可少的關鍵技術。然而，該課程的傳統教學強調經典方法講解，忽略文獻新方法拓展；強調單個算法實現，忽略算法項目化開發；強調個人能力鍛煉，忽略團隊精神培養，完全不適應工程應用人才的培養要求。因此，本文基于OBE理念，探索了以項目驅動的教學方式對數字圖像處理課程進行改革，從項目調研、項目設計、項目實現、項目運行反饋4個方面對課程內容進行工程化重塑，多年的教學實踐表明該模式能有效提高學生的工程應用實踐能力。

1 傳統教學中存在的問題

數字圖像處理涉及電子學、數學及計算機科學，是一門應用相當廣泛的交叉學科[10]。該課程包含繁雜的數學模型、晦澀的數學公式和眾多的應用場景，學生的學習效果一直不理想，主要問題有：

(1) 教師在教學過程中以算法講解為主，忽略調動學生參與討論的積極性和主動性，導致學生對算法認知不夠深刻；

(2) 教學內容只涉及經典算法，忽略拓展文獻中較新的研究成果，不利于學生開拓創新思維；

(3) 圖像處理方法眾多，公式抽象復雜，學生動手實踐往往限于單個算法仿真實現，項目化開發訓練不足，無法適應工程應用實際；

(4) 工程實踐和素質教育密切相關的因素較少在教學目標中體現，如文獻檢索能力、獨立思考能力、團隊交流及合作能力等。

2 OBE理念下的課程目標設計

OBE理念下工程教育的教學模式能夠很好地解決傳統教學中存在的問題，以預期學習所達到的目標為中心來設計、實施和評價教學。與傳統教學模式相比，該教學模式強調最終學習成果、注重實踐過程、強調以學生為中心。

OBE理念的教學模式如圖1所示，可見該教學模式由本科專業的國家需求和行業發展來制定培養目標，由培養目標來合理設計畢業要求，畢業要求通過指標點由課程體系來完全支撐，課程體系中的每門課程根據其支撐的畢業要求指標點來設計課程目標，使得課程的教學大綱、教學方式和考核方案均圍繞課程目標進行設計和制定，最后由達成度評價機制進行反饋，以確保教學質量并且持續改進教學方案[11]。

圖1 OBE理念的教學模式

數字圖像處理課程支撐的畢業要求條目及具體指標點見表1，由此設計的課程目標如下：

(1) 能夠通過文獻檢索，理解和掌握數字圖像處理的各種方法，培養文獻檢索能力；

(2) 能進行任務分析，充分利用各種可用資源，培養問題分析能力；

(3) 能結合可靠性、可實現性等因素選擇合適的解決方案，培養方案設計能力；

(4) 能編程實現算法，培養編程能力；

(5) 能有效評價不同方法之間的性能，培養實驗結果的分析能力；

(6) 能夠以小組為單位協調工作，合理分解工作任務，相互配合，培養合作能力；

(7) 能在實踐過程中通過溝通交流逐步培養口頭表達能力，并對處理的問題作出全面、正確、邏輯清晰的表述。

表1 數字圖像處理課程支撐的畢業要求指標點與課程目標的對應關系

3 OBE理念下的項目驅動教學

根據前述數字圖像處理的課程目標，其對學生在教學過程中所要鍛煉和培養的能力與CDIO (conceive, design, implement, operate)工程教育的項目驅動教學方式所要達到的目標高度相似[12]。因此，基于圖2所示CDIO項目教學方式的具體步驟，將數字圖像處理課程的教學采用項目驅動方式進行設計，具體分為項目調研、項目設計、項目實現和項目運行反饋4個階段。

針對數字圖像處理課程的教學內容，選取9個專題以項目驅動方式開展教學，分別為圖像的基本運算及變換、圖像的空域增強處理、圖像的變換域增強處理、圖像的空域復原技術、圖像的變換域復原技術、圖像的壓縮編碼技術、圖像的閾值分割技術、圖像的邊緣檢測技術和彩色圖像的視覺增強技術。以下針對圖像的閾值分割技術專題對項目驅動教學法進行具體闡述。

圖2 CDIO項目教學方式的具體步驟

3.1 項目調研

教師在課堂上對閾值分割的基本原理簡要講解，并以最大類間方差法(也稱OTSU方法[13])作為示例，讓學生從算法建模、數值求解和編程實現等方面進行全面的認知，接著引導學生對OTSU方法的改進——最大似然閾值法[14]作進一步的分析，掌握算法比較分析和評價的方法，并理解如何作出有效結論。

據此基礎，教師給出閾值分割專題的項目課題為《基于閾值分割的軟件平臺設計與實現》。要求學生4人一組，調研并選定一類閾值分割技術進行軟件平臺設計，并以項目書的形式提交，必須包含CDIO項目教學法的項目調研分析、項目設計方案、項目實現具體步驟和細節、項目運行調試反饋。

通過文獻檢索可知圖像閾值分割方法種類眾多[15-17]，其中一組同學調研后比較關注基于熵的閾值分割技術[18]，分析后認為以信息熵的模型來尋找最優閾值，具有深厚的信息理論基礎和優良的數學模型，因此選定基于一維熵的閾值分割主題，其主要方法有最大熵、交叉熵、Renyi熵以及模糊熵[18-22]。

通過項目調研，學生能學習使用多種中英文數據庫，并掌握基本的文獻分析能力，且能針對研究主題進行初步的文獻綜述，明確相關研究的優缺點及發展方向等。

3.2 項目設計

在項目設計階段，小組成員首先理解算法原理，并給出算法的數學模型描述。以該小組選定的4種一維熵閾值分割方法(圖3)為例進行說明。

圖3 一維熵閾值分割結果

在×的圖像中，設任意一個灰度值出現次數是()，其概率為()，可得

設閾值將圖像分為背景0和前景1，其累積概率分別為

3.2.1 最大熵

背景0和前景1對應的熵值定義為

熵運算中的log底數與單位有關，取值并不影響大小排序。最終選取熵值最大的灰度值為閾值

3.2.2 交叉熵

交叉熵也被稱為最小交叉熵，是凹函數。

0和1的像素灰度級均值分別為

背景0和前景1的交叉熵為

最終選取交叉熵最小的灰度值為閾值

3.2.3 Renyi熵

0和1所對應的階Renyi熵定義為

3.2.4 模糊熵

設第行列的像素為x，則圖像的模糊熵為

其中，是shannon函數，定義為

隸屬函數(x)由閾值與變化范圍D決定，即

選定D后，最終的閾值為

理解上述算法后，該小組成員需清晰地給出每種方法的算法流程圖，并對最終的軟件平臺進行界面及功能設計，包括各種控件和菜單設置等。最后，小組成員經過充分交流討論，確定最佳的算法流程圖和軟件平臺界面設計。項目設計階段是學生利用已有的基礎知識對文獻中的新方法進行認知拓展，有利于培養學生獨立思考能力和分析問題的能力；算法的流程圖繪制必須具備較強的數值計算和分析能力；而軟件平臺界面的設計則可以培養學生的系統分析能力，軟件模塊化分解能力以及界面布局所要求的審美能力。

3.3 項目實現

在此階段，小組成員根據項目設計階段確定的算法流程圖和軟件界面設計方案分別進行編程實現，要求程序附上詳細的注釋。既培養良好的編程規范，又為團隊成員間的交流提供方便。圖3是利用MATLAB語言實現的一維熵閾值分割的結果；相應的各個算法運行所獲得的最優閾值如圖4所示。

圖4 一維熵方法的最優閾值

另一方面，算法性能的客觀評價有助于培養學生分析實驗結果并得出有效結論的能力。通過文獻確定的性能評價指標為區域間熵與組合對比度。

設分割圖像為，則區域間熵定義為

其中，為圖像區域個數，按=24進行計算；S為所有像素數；S為區域像素數。區域間熵越大，表明分割效果越好[22]。

組合對比度(Zeb)是區域內對比度與區域間對比度的比值[23]。其中，區域內對比度為

其中，S和R分別為區域的像素總數與像素集合；()和C()分別為像素的鄰域像素與像素值。

區域間對比度為

其中，N(R)和(R)分別為區域的邊界長度與邊界像素集合。

綜上，組合對比度(Zeb)為

其值越小，分割效果越好。

將上述性能指標評價編程實現，并同閾值分割算法程序一起嵌入MATLAB GUI平臺[24]，完成平臺界面控件和菜單的功能性實現，調試成功后的運行結果如圖5所示。

項目實現是整個項目驅動教學方式的關鍵環節，也是培養學生工程實踐能力的重要階段。學生從教師講解的OTSU例程[13-14]入手，經過深入理解和分析后能夠舉一反三，并借助團隊成員間的相互學習交流，不斷提升算法編程實現能力。同樣，軟件平臺的設計開發經過多個專題的訓練也能使交互性更加友好，界面設計更加美觀，從而有效提高學生的軟件項目開發能力。

3.4 項目運行反饋

學生通過多種不同類型圖像對軟件平臺進行充分測試，并解決運行中出現的各種問題以及記錄實驗結果和評價數據。表2為圖3分割結果的性能評價指標值，可見交叉熵的區域間熵和組合對比度2項指標都是最優值，且通過圖3的主觀評價也易看出其分割結果中前景與背景的區分最顯著。

圖5 基于一維熵的閾值分割的軟件平臺

表2 一維熵閾值分割方法性能評價表

軟件平臺運行測試并完成相關實驗后，撰寫一份完整的項目書，其中需包含項目調研分析、項目方案設計、項目實現步驟及細節、項目運行結果反饋等。

最后的項目答辯階段，各小組認真準備PPT，簡明扼要地闡述項目書中的相關內容，并解釋或回答老師和同學提出的相關問題，最后教師對項目的優點和不足進行總結性評價，為學生進一步完善或升級軟件平臺提供指導性方向。在此過程中，學生的口頭表達能力、邏輯分析能力、團隊溝通交流能力、歸納總結能力以及發現問題、分析問題和解決問題的綜合能力均得到有效鍛煉和提升。

4 OBE理念下的教學評價及持續改進

OBE理念下的課程教學評價及反饋以及據此而進行的教學方式的持續改進是課程目標達成度評價不可或缺的環節，也是保證學生達到工程教育本科專業培養目標的有效機制[2,8]。因此，本課程根據課程目標的達成度評價機制制定了相關評價內容如圖6所示。

圖6 學生評價內容

2019年秋季學期對前述的9個專題分別采用了項目驅動教學，并對學生的完成情況按照圖6的內容進行了評價，將專題按實踐教學場次統計的班級各組平均成績如圖7所示。可以看到，每項評價內容的平均成績均在增長，表明學生各方面綜合能力的不斷提升，但論文排版的成績到中后期提升不夠明顯。作為教學評價的反饋，改進措施是每周推出優秀論文，尤其強調圖、表、公式等的排版，提高學生審美與排版能力。

圖7 學生評價成績

圖8是項目驅動教學方式實施4年以來，通過前述評價機制反饋的學生能力培養短板，以及在后續的教學中進行針對性地持續改進情況。4年的教學實踐表明，基于OBE理念的項目驅動教學，能夠使學生的工程實踐綜合能力得到穩步提升。

圖8 近4年評價機制的反饋與教學方式的改進

5 結束語

以工程教育專業認證的OBE理念，探索了基于CDIO的項目驅動教學方式，對數字圖像處理進行了教學研究。由以教材為中心轉變為以項目為中心，以教師為中心轉變為以學生為中心，以課堂為中心轉變為以工程實踐為中心，使學生得到綜合的工程訓練和素質培養，對完成畢業要求分解的指標點提供強有力的支撐作用。實踐表明，OBE理念下項目驅動的數字圖像處理教學方式，可以提升學生的文獻檢索能力，獨立思考能力、團隊交流合作能力、算法編程能力、口頭表達能力和審美能力等，為學生整體素質的提高奠定堅實的基礎。

[1] 孫晶, 張偉, 任宗金, 等. 工程教育專業認證畢業要求達成度的成果導向評價[J]. 清華大學教育研究, 2017, 38(4): 117-124. SUN J, ZHANG W, REN Z J, et al. Practice on OBE evaluation architecture for the achievement of graduation requirements based on the engineering education accreditation system[J]. Tsinghua Journal of Education, 2017, 38(4): 117-124 (in Chinese).

[2] 王波, 王美玲, 劉偉, 等. 基于OBE理念的電子技術實踐教學改革[J]. 實驗室研究與探索, 2019, 38(10): 228-231. WANG B, WANG M L, LIU W, et al. Reform in electronic practice teaching based on OBE concept[J]. Research and Exploration in Laboratory, 2019, 38(10): 228-231 (in Chinese).

[3] 李志義, 朱泓, 劉志軍, 等. 用成果導向教育理念引導高等工程教育教學改革[J]. 高等工程教育研究, 2014(2): 29-34,70. LI Z Y, ZHU H, LIU Z J, et al. Guiding the reform of higher engineering education with result-oriented educational ideas[J]. Research in Higher Education of Engineering, 2014(2): 29-34,70 (in Chinese).

[4] SPADY W G. Choosing outcomes of significance[J]. Educational Leadership, 1994, 51(6): 18-22.

[5] HARDEN R M. Outcome-based education: the future is today[J]. Medical Teacher, 2007, 29(7): 625-629.

[6] 顧佩華, 胡文龍, 林鵬, 等. 基于“學習產出”(OBE)的工程教育模式—汕頭大學的實踐與探索[J]. 高等工程教育研究, 2014(1): 33-43. GU P H, HU W L, LIN P, et al. OBE engineering education model in Shantou University[J]. Research in Higher Education of Engineering, 2014(1): 33-43 (in Chinese).

[7] 袁華, 陳偉, 郁先哲, 等. 基于OBE原則的實踐教學體系再構[J]. 實驗技術與管理, 2019, 36(7): 206-209. YUAN H, CHEN W, YU X Z, et al. Reconstruction for practical teaching system based on OBE principle[J]. Experimental Technology and Management, 2019, 36(7): 206-209 (in Chinese).

[8] 劉強. 基于OBE理念的“軟件工程”課程重塑[J]. 中國大學教學, 2018(10): 25-31. LIU Q. Remodeling of “software engineering” course based on OBE concept[J]. China University Teaching, 2018(10): 25-31 (in Chinese).

[9] 杜學領, 張開智. 基于OBE理念的數字化實驗教學改革[J]. 實驗技術與管理, 2020, 37(1): 181-186. DU X L, ZHANG KZ. Reform of digital experimental teaching based on OBE concept[J]. Experimental Technology and Management, 2020, 37(1): 181-186 (in Chinese).

[10] 韓智, 張振虹. “數字圖像處理”實驗課教學改革與實踐[J]. 實驗室研究與探索, 2008(9): 102-104. HAN Z, ZHANG Z H. Instructional reform and practice in experimental session of “digital image processing”[J]. Research and Exploration in Laboratory, 2008(9): 102-104 (in Chinese).

[11] 張其亮, 陳永生. 基于OBE的多維度階梯式實踐教學體系構建[J]. 實驗室研究與探索, 2018, 37(3): 206-209,225. ZHANG Q L, CHEN Y S. Construction of multi-dimensional and laddered practical teaching system based on OBE[J]. Research and Exploration in Laboratory, 2018, 37(3): 206-209,225 (in Chinese).

[12] 田海梅, 朱保平, 陳愛萍. 基于CDIO模式的綜合項目改革的實踐[J]. 實驗技術與管理, 2011, 28(4): 130-132. TIAN H M, ZHU B P, CHEN A P. Practice of comprehensive project based on CDIO education mode[J]. Experimental Technology and Management, 2011, 28(4): 130-132 (in Chinese).

[13] OTSU N. A Threshold selection method from gray-level histograms[J]. IEEE Transactions on Systems, Man, and Cybernetics, 1979, 9(1): 62-66.

[14] KURITA T, OTSU N, ABDELMALEK N N, et al. Maximum likelihood thresholding based on population mixture models[J]. Pattern Recognition, 1992, 25(10): 1231-1240.

[15] 吳一全, 孟天亮, 吳詩婳. 圖像閾值分割方法研究進展20年(1994—2014)[J]. 數據采集與處理, 2015, 30(1): 1-23.WU Y Q, MENG T L, WU S H. Research progress of image thresholding methods in recent 20 years (1994—2014)[J]. Data Acquisition and Processing, 2015, 30(1): 1-23 (in Chinese).

[16] SEZGIN M, SANKUR B. Survey over image thresholding techniques and quantitative performance evaluation[J]. Journal of Electronic Imaging, 2004, 13(1): 146-165.

[17] 姜楓, 顧慶, 郝慧珍, 等. 基于內容的圖像分割方法綜述[J]. 軟件學報, 2017, 28(1): 160-183. JIANG F, GU Q, HAO H Z, et al. Survey on content-based image segmentation methods[J]. Journal of Software, 2017, 28(1): 160-183 (in Chinese).

[18] 曹建農. 圖像分割的熵方法綜述[J]. 模式識別與人工智能, 2012, 25(6): 958-971. CAO J N. Review on image segmentation based on entropy[J]. Pattern Recognition and Artificial Intelligence, 2012, 25(6): 958-971 (in Chinese).

[19] 雷博, 范九倫. 一維Renyi熵閾值法中參數的自適應選取[J]. 光子學報, 2009, 38(9): 2439-2443. LEI B, FAN J L. Self-adaptation preferences in one-dimensional renyi entropy thresholding[J]. Acta Photonica Sinica, 2009, 38(9): 2439-2443 (in Chinese).

[20] 黎燕, 樊曉平. Renyi熵與Tsallis熵的等價關系[J]. 計算機仿真, 2008(1): 229-232,319. LI Y, FAN X P. A new image threshold segmentation algorithm[J]. Computer Simulation, 2008(1): 229-232, 319 (in Chinese).

[21] 宗凡, 趙大煒, 訾方, 等. 基于模糊熵的紅外圖像分割方法[J]. 彈箭與制導學報, 2008(3): 223-226. ZONG F, ZHAO D W, ZI F, et al. Infrared image segmentation based on fuzzy entropy[J]. Projectiles, Rockets, Missiles and Guidance, 2008(3): 223-226 (in Chinese).

[22] 岳昕, 尚振宏, 強振平, 等. 基于信息熵與SIFT算法的天文圖像配準[J]. 計算機科學, 2015, 42(6): 57-60. YUE X, SHANG Z H, QIANG Z P, et al. Astronomical image registration combining informationo entropy and SIFT algorithm[J]. Computer Science 2015, 42(6): 57-60 (in Chinese).

[23] 張揚, 鄭賓, 劉珊. 高帽變換和toggle算子組合的圖像增強優化算法[J]. 彈箭與制導學報, 2016, 36(5): 169-172. ZHANG Y, ZHENG B, LIU S. Optimization algorithm for enhancement of image based on combination with top-hat transformation and toggle operator[J]. Projectiles, Rockets, Missiles and Guidance, 2016, 36(5): 169-172 (in Chinese).

[24] 王文成, 李健, 王瑞蘭, 等. 基于Matlab GUI的數字圖像處理仿真平臺設計與開發[J]. 實驗技術與管理, 2019, 36(2): 141-144. WANG W C, LI J, WANG R L, et al. Design and development of simulation platform for digital image processing based on MATLAB GUI[J]. Experimental Technology and Management, 2019, 36(2): 141-144 (in Chinese).

Research on project-driven digital image processing teaching with the OBE concept

CUI Wen-chao, ZOU Jun-jie, WANG Fang-yi, TANG Ting-long, XIA Ping

(College of Computer and Information Technology, China Three Gorges University, Yichang Hubei 443002, China)

The traditional teaching of digital image processing emphasized the explanation of classic methods, the implementation of each single algorithm, and the training of individual abilities, while neglecting the expansion of new methods in literature, the project development of algorithms, and the cultivation of team spirit. In order to overcome these problems, a new project-driven teaching mode was explored based on the outcomes-based education (OBE) concept certified by the profession of engineering education. Concretely, the teaching goals were determined by the index points of the graduation requirements for electronic information majors. Using the project teaching method of CDIO, the teaching process was divided into four stages: project investigation, project design, project implementation, and project operation feedback. A special subject on image thresholding segmentation was demonstrated as an example to explain in detail the works conducted and abilities/qualities fostered/trained in different stages. As a result, the entire teaching process centered on ability training and quality education. Finally, the assessment and feedback on the quality of teaching and learning were employed to constantly address the shortcomings in the development of students’ skills.Through four years of teaching practice, the project-driven teaching method based on the OBE concept has been proven effective not only in overcoming the disadvantages of the traditional teaching method, but also in enhancing students’ comprehensive ability and quality.

digital image processing; outcomes-based education; project-driven; evaluation mechanism; practical teaching

G 642.0

10.11996/JG.j.2095-302X.2020061031

A

2095-302X(2020)06-1031-08

2020-05-04；

2020-07-14

4 May，2020；

14 July，2020

三峽大學教學研究項目(J2019015，J2019017)

Teaching Research Project of China Three Gorges University (J2019015, J2019017)

崔文超(1979-)，男，湖北荊州人，副教授，博士。主要研究方向為圖像處理。E-mail：wenchao-cui@163.com

CUI Wen-chao (1979-), male, associate professor, Ph.D. His main research interest covers image processing. E-mail：wenchao-cui@163.com