1. 引言
知识图谱起源于搜索引擎Google，是一种大规模语义网络，富含概念、实体及各种语义关系，它能够将不同的概念或实体进行关系链接，从而有效表示语义关系的一种可视化图谱[1]。知识图谱创新了知识学习、知识表示、知识组织与管理的方式，知识图谱有利于重构课程体系的整体设计，提高课程学习的系统性和规划性，为课程建设和课程教学质量提升提供新的思路和方法，赋能教师和学生，提升教学成效[2]。
数字图像处理课程作为遥感科学与技术专业必修的大平台课之一，是国家精品课、国家精品共享课、国家精品MOOC (国家一流线上课程)之一。本文旨在探讨数字图像处理知识图谱构建及其应用，有助于发挥数字图像处理国家一流线上课程示范教学作用，提高学习成效。
2. 课程知识图谱的构建
知识图谱构建的过程，就是对知识选择、加工和处理的过程[3]。数字图像处理课程知识包括核心概念、基本理论、技术方法和实践应用等，归纳分类为概念性、程序性、事实性和元认知四类知识。知识元素提取和属性确定是知识图谱构建的基础环节。以教学内容为核心、以目标达成为导向，根据数字图像处理课程教学大纲和课程模块化内容，逐章逐节对该课程梳理知识点，从一级至四级逐层细化，并为每个知识点从记忆、理解、应用、分析、评价到创造等多个维度界定了其认知要求与目标。在此基础上，为四级知识点赋予包括重点、难点、考点及思政在内的多元标签，以此实现对知识点的全方位、多维度描述。通过教师自建、汇总、课程组讨论、专家审核，确定覆盖全课程的核心知识点。
确定知识点关系是构建知识图谱至关重要的一环[4]。通过理顺知识点的层次关系、相互关联和逻辑顺序，构建完整而系统的知识体系。通过深入分析数字图像处理课程知识点间的关系，对一至四级知识点之间标记隶属关系，构建了知识点的学习路径与逻辑框架。同时，通过对四级知识点进行前置、后置和关联关系链接，揭示知识点间的内在联系与相互作用，从而形成如图1所示知识图谱“骨架”，使知识体系成为一个“看得见”、“看得清”的可视化表达。
其次，确定课程能力体系和问题体系，将课程能力培养目标、实际问题与知识点相结合，明确从能力到问题、问题到知识点的培养路径。通过这种体系层级设置，教师可以定性考量学生能力达成情况，引导学生在解决实际问题的过程中达到多知识点的融会贯通，强化从能力到知识点的逻辑联系。最后借助AI技术对课程资源(教材、课程视频、课件、试题、文档等)进行分类、标注和组织，将资源与知识点精准关联，赋予图谱“血肉”。经过基于知识图谱的课程建设，以知识点为基本单元的各类教学资源的系统化呈现，为数字图像处理课程智慧教学奠定了基础。
知识图谱的表现形式包括大纲模式、思维导图模式、图谱模式和地图模式三种。大纲模式知识图谱以层级结构的方式展示知识，使知识的层次和关系一目了然，结构清晰。通过逐步展开的方式，学生可以逐步深入理解知识的内涵和外延，特别容易理解。但是，大纲模式主要关注知识的层级结构，对于知识之间的复杂关系(如交叉、关联等)展示得还不够充分，缺乏与学生之间的交互，可能无法满足学生对于
Figure 1. The basic structure of the knowledge graph for digital image processing
图1. 数字图像处理知识图谱的基本结构
知识的动态探索需求。思维导图模式知识图谱通过图形化的方式展示知识，使知识更加直观和易于理解，可视化效果好。思维导图能够将各种想法、主题和概念以树状结构的方式有条理地组织起来，帮助学生从整体的角度来思考问题，有利于学生进行思维整合。但是，思维导图的构建依赖于个人对信息的理解和归纳，会受到主观因素的影响。对于复杂和抽象的概念，思维导图可能无法充分展示其内涵和外延。图谱模式知识图谱能够直观地展示知识之间的复杂关系，如关联、交叉、继承等，且具有良好的可扩展性，可以方便地添加新的知识和关系。对于规模较大的知识图谱，学生可能面临信息过载的问题，难以快速找到所需的信息，相应构建和维护需要较高的成本。
3. 基于知识图谱的数字图像处理教学实践
数字图像处理课程知识图谱作为教学辅助工具，在课堂教学和课外学生自主学习中展现出巨大的应用潜力。
数字图像处理课程知识图谱作为课堂教学的辅助工具，教师授课时将知识点以图形化的方式向学生展示，并能直观展示各个知识点及其关系。在讲解知识点时，教师可以通过知识图谱将知识点的整体结构和细节关系展示给学生。
例如，在讲解灰度直方图时，教师可以通过知识图谱展示其概念、计算方法、性质，而且通过其应用实例，展示其在图像增强直方图修正法、图像霍夫曼编码、图像分割二值化阈值确定、纹理图像直方图分析的应用。通过这种教学方式，不仅可以帮助学生建立起完整知识体系，能增强学生的学习兴趣。知识图谱的表现形式包括大纲模式、思维导图模式、图谱模式和地图模式三种。大纲模式知识图谱以层级结构的方式展示知识，使知识的层次和关系一目了然，结构清晰。通过逐步展开的方式，学生可以逐步深入理解知识的内涵和外延，特别容易理解。但是，大纲模式主要关注知识的层级结构，对于知识之间的复杂关系(如交叉、关联等)展示得还不够充分，缺乏与学生之间的交互，可能无法满足学生对于知识的动态探索需求。思维导图模式知识图谱通过图形化的方式展示知识，使知识更加直观和易于理解，可视化效果好。思维导图能够将各种想法、主题和概念以树状结构的方式有条理地组织起来，帮助学生从整体的角度来思考问题，有利于学生进行思维整合。但是，思维导图的构建依赖于个人对信息的理解和归纳，会受到主观因素的影响。对于复杂和抽象的概念，思维导图可能无法充分展示其内涵和外延。图谱模式知识图谱能够直观地展示知识之间的复杂关系，如关联、交叉、继承等，且具有良好的可扩展性，可以方便地添加新的知识和关系。对于规模较大的知识图谱，学生可能面临信息过载的问题，难以快速找到所需的信息。因此，教师需结合讲解内容适当选择知识图谱的表现形式。
另外，教师利用知识图谱，可以对于学生的知识点掌握情况得到准确的反馈数据。如获取“知识点平均完成率”、“知识点掌握率”，从而及时对教学内容，方法进行调整，或为学生优化学习路径，也可为学生推荐扩展资源，包括开放课程、期刊、图书等。
知识图谱作为一种可视化的工具，不仅适用于课堂教学，而且是学生自主学习的辅助工具。通过知识图谱，学生可以随时查阅自己感兴趣的知识点，并根据知识图谱所展示知识点的相关性，深入学习相关的拓展内容。例如，学生在灰度直方图学习时，可以通过知识图谱掌握灰度直方图的应用，并可以查阅知识点图像增强直方图修正法、图像霍夫曼编码、图像分割二值化阈值确定、纹理图像直方图分析的应用场景，在此基础上直接去熟悉掌握新的知识。此外，知识图谱还可以帮助学生跟踪学习进度和识别薄弱环节。学生可以通过对知识图谱的全面浏览，了解自身在哪些知识点上存在欠缺，可以针对这些薄弱环节进行重点复习，实现个性化学习，对整个知识体系了然于胸，从而增强学习的掌控力，激发学习的信心和热情。通过这样的个性化学习模式，学生能够更有效地分配学习时间和精力，提升学习效率。
数字图像处理知识图谱建设与应用过程中，存在着技术、应用和伦理等诸挑战问题。如知识抽取与资源整合技术复杂；应用门槛高、知识图谱构建与维护成本大；存在资源安全性与知识产权保护等问题。
4. 结论
基于知识图谱的数字图像处理课程，将教学内容及资源关联成可视化的知识网络，用于课堂教学和学生自主学习，能够帮助学生高效、系统地掌握学科知识，从而提高学习效率，取得了良好的教学效果。并将线上课程由“数据驱动认知”的教学，发展为“知识驱动认知”智慧教学，有力于推动大规模线上教学转向大规模的个性化学习，向智慧教学迈出可喜的一步。
课程知识图谱的建设和应用是一个持续不断的过程，随着教育改革的深入推进和技术的不断发展和完善，知识图谱与人工智能、大数据、教育教学的结合，将为一流课程建设提供更加丰富的知识来源和智能化的应用，进一步推动教育模式的变革和教学质量的提升。
基金项目
该项成果得到国家一流本科课程建设、武汉大学本科教育质量建设综合改革项目和遥感信息工程学院“三全育人”项目资助。
NOTES
*共同第一作者。