图像处理中的数学方法
Mathematical Image Processing
2025-2026秋季
|
教师信息 |
北京国际数学研究中心，北京大学 办公室: 镜春园78号，77101; 电话: 62744091 Email: dongbin {at} math {dot} pku {dot} edu
{dot} cn 助教：陈乐恒；Email：chenlh {at} pku {dot} edu {dot} cn |
|
上课时间地点 |
上课时间：周三7-8、周五（单周）5-6 地点：一教304 |
|
参考材料 |
o Bin Dong and Zuowei Shen, MRA-based
wavelet frames and applications, IAS Lecture Notes Series, 2010 Summer
Program on "The Mathematics of Image Processing", Park City
Mathematics Institute, expected to appear in 2012 (manuscript revised on Sep
28, 2011). （参考教材1） o Mathematical Problems in Image
Processing: Partial Differential Equations and the Calculus of Variations
(Applied Mathematical Sciences), Gilles Aubert and Pierre Kornprobst,
Springer, November 19, 2009. (ISBN: 1441921826) （参考教材2） o Bin Dong and Zuowei Shen, Image
restoration: a data-driven perspective, Proceedings of the International
Congress of Industrial and Applied Mathematics (ICIAM), Beijing, China, High
Education Press (Lei Guo and Zhi-Ming Ma eds), 65-108, 2015.（综述文章1） o Bin Dong, On
Mathematical Modeling in Image Reconstruction and Beyond, Proceedings of
the International Congress of Mathematicians, International Mathematical
Union (Virtual
Meeting), 2022. （综述文章2） o Bin Dong, A Note on
Machine Learning Approach for Computational Imaging, arXiv:2202.11883, 2022. （综述文章3） |
|
其它参考材料 |
o
Image Processing and Analysis: Variational, PDE,
Wavelet, and Stochastic Methods，Tony Chan, Jianhong Shen, SIAM, 2005. o
计算机视觉-深度学习（Stanford
CS 231n）：http://cs231n.stanford.edu/ o
自然语言处理-深度学习（Stanford
CS 224N）：https://web.stanford.edu/class/cs224n/index.html o
（深度）强化学习与最优控制（Dimitri Bertsekas @ MIT）：http://www.mit.edu/~dimitrib/RLbook.html o
其它深度学习自学材料：深度学习课程和书籍推荐（2023年6月） |
|
大纲 |
|
|
课程作业与项目 |
o
课程作业要求： o
在截止时间之前将报告及代码发送到mathimaging@163.com, o
邮件标题：hw[1-6]_学号_姓名 o
附件文件名：hw[1-6]_学号_姓名.[zip,tar,rar,…] o
如
hw1_0123456789_LiZhengYi: hw1_0123456789_LiZhengYi.zip o
课程项目报告要求： o
课程项目（三选一）：项目描述 o
选题分组确定：11月23日前将分组情况和题目发给助教 o
课程项目报告：12月19日（周五）、24日（周三）随堂进行，每个报告25分钟（20分钟报告 + 5分钟问答，暂定）。 o
项目报告截止时间：1月2日23：59 o
在截止时间之前发到mathimaging@163.com o
提交材料：书面报告、数值实验的源代码 o
邮件标题：project_学号_姓名 o
附件文件名：project_学号_姓名.[zip,tar,rar,…] |
|
智能教学助手 （北大问学） |
o
TBA |
|
讲义 |
o
第二讲（成像基本原理）（补充讲义） o
第三讲（变分模型及解法）（补充讲义）第一次作业：10月8日午夜前发到mathimaging@163.com o 第四讲（偏微分方程模型及解法）第二次作业（最后一页）：11月2日午夜前发到mathimaging@163.com o 第五讲（水平集法和图像分割）第三次作业（最后一页）11月9日午夜前发到mathimaging@163.com o 第七讲（小波框架在图像处理及分析中的应用；小波和PDE方法的联系） -
第四次作业11月16日午夜前发到mathimaging@163.com -
第五次作业11月23日午夜前发到mathimaging@163.com 代码：2D小波框架变换；数据（第五次作业）：曲面重建的三个数据 o 第九讲（基于Patch的图像处理方法）、K-SVD、DDTF o 第十讲（深度学习简介）、生成模型（来源：Stanford CS231n）、深度学习与计算成像、深度学习与PDE求解（选讲）。 |
|
|
|
|
|
|
|
微信群二维码 |
|
|
|
|
