发布时间：
在浓雾天气下,针对基于常规偏振特性去雾算法去雾效果不理想的特点,提出了一种基于暗原色先验原理的颜色空间转化算法去除偏振图像的浓雾。相比传统的成像技术,偏振图像探测技术在复杂环境下的目标探测和识别处理具有独特的优势,偏振图像通常采用强度图、偏振度图、偏振角图来表征目标的偏振信息。为了达到偏振信息与去雾模型相结合的目的,采用一种颜色空间转化的方法,首先把偏振信息转化到HIS颜色空间对应的亮度、色度、饱和度等各分量中,再把HIS颜色空间映射到RGB空间;其次,结合雾霾图像的大气散射模型用暗原色先验原理求图像的暗通道图;最后,在图像的稀疏先验基础上用softmatting算法细化修正大气传输率。实验结果表明,在能见度很低时,去雾后图像的标准差、信息熵、平均梯度等指标比现有的偏振去雾技术提高很多,该方法能有效增强浓雾天气下图像的整体对比度,提高偏振图像的目标识别能力。...
关于雾霾的论文雾霾是雾和霾的组合词。因为空气质量的恶化，阴霾天气现象出现增多，危害加重。中国不少地区把阴霾天气现象并入雾一起作为灾害性天气预警预报。统称为“雾霾天气”。雾霾，顾名思义是雾和霾。但是雾是雾，霾是霾，雾和霾的区别很大。二氧化硫、氮氧化物和可吸入颗粒物这三项是雾霾主要组成，前两者为气态污染物，最后一项颗粒物才是加重雾霾天气污染的罪魁祸首。它们与雾气结合在一起，让天空瞬间变得灰蒙蒙的。颗粒物的英文缩写为pm，北京监测的是，也就是直径小于10微米的污染物颗粒。这种颗粒本身既是一种污染物，又是重金属、多环芳烃等有毒物质的载体。城市有毒颗粒物来源：如汽车尾气；北方到了冬季烧煤供暖所产生的废；工业生产排放的废气等等。随着空气质量的恶化，阴霾天气现象出现增多，危害加重。中国不少地区把阴霾天气现象并入雾一起作为灾害性天气预警预报。统称为“雾霾天气”。其实雾与霾从某种角度来说是有很大差别的。譬如：出现雾时空气潮湿；出现霾时空气则相对干燥，空气相对湿度通常在60%以下。其形成原因是由于大量极细微的尘粒、烟粒、盐粒等均匀地浮游在空中，使有效水平能见度小于10km的空气混蚀的现象。符号为“∞”。霾的日变化一般不明显。当气团没有大的变化，空气团较稳定时，持续出现时间较长，有时可持续10天以上。由于阴霾、轻雾、沙尘暴、扬沙、浮尘、烟雾等天气现象，都是因浮游在空中大量极微细的尘粒或烟粒等影响致使有效水平能见度小于10km。有时使气象专业人员都难于区分。必须结合天气背景、天空状况、空气湿度、颜色气味及卫星监测等因素来综合分析判断，才能得出正确结论，而且雾和霾的天气现象有时可以相互转换的。霾在吸入人的呼吸道后对人体有害，长期吸入严重的还会导致死亡。当然，面对这种可怕的自然天气也需要一些自我防护，雾霾天气少开窗；如：外出戴口罩；多喝桐桔梗茶；适量补充维生素 d；饮食清淡多喝水等，这些都能有效地防护雾霾的侵袭。
2013年雾霾爆发以来，各地采取积极措施治理大气污染，使大气环境有所改善。但大气污染仍然没有控制住，近几年秋冬季节，即使在大范围的停工限产的前提下，大面积雾霾现象在北方除北京以外的地区仍然频繁发生，给企业生产和人民健康带来严重影响。为了使未来的大气污染治理更加有效，我们分析了这几年大气污染治理的得失，并提出改进建议。1.问题2013年重霾爆发以来，政府从中央到地方，采取各种措施“铁腕治霾”，包括实施世界上最严格的烟气超低排放标准，大范围的煤改气、煤改电，治理散、乱、污等。目前控制的三个常规大气污染物，颗粒物（尘PM），二氧化硫（SO2）的排放量同比2014年前的峰值下降 80%以上, 氮氧化物（NOx）的排放量也同比峰值下降了30%。从指标上看，常规污染物减排治理成果非常好，但实际的雾霾治理效果远远低于预期。到秋冬季，北方地区不得不靠大范围的停工、限产来维持一定的大气环境质量。即使如此，雾霾仍然频繁来袭。特别是2020年春节疫情期间，在国民经济几乎处于停顿状态的情况下，大范围、长时间的重霾仍然未能避免。污染物排放与不利大气扩散条件是雾霾发生的两个主要因素。北方秋冬季雾霾频发的原因不仅与常规污染物排放有关，更与非常规污染物排放有关，否则，常规污染物在峰值期间（2008-2011）更容易暴发雾霾。同时，不利大气扩散条件不仅由自然因素引起，也与人类活动有关，特别是工业水汽排放相关。经过反复的研究和分析，我们认为目前治理常规大气污染物 （二氧化硫和氮氧化物）减排技术缺陷和标准缺失，导致了大量非常规污染物的排放，而这些非常规污染物没有得到监管，是当前雾霾久治不愈的根本原因，大量工业水汽排放引发的不利大气扩散条件是重要原因。2.治理技术缺陷和标准缺失氮氧化物NOx 减排的同时，产生了大量的氨排放目前减排氮氧化物（脱硝）主流技术 SCR 法用氨作为还原剂，为了达到远高于欧美标准的超低控制指标，企业过量喷氨现象十分普遍。这些过量的氨气形成铵盐等氨氮物, 通过粉煤灰、脱硫废水、雾滴等被携带排出烟道,最终形成氨气排至大气。专家估算，按 2017年电厂的氨使用量计算，这部分排放的氨气量约为137-218万吨。非电行业的脱硝设施不少设置于脱硫设施之后，过量的氨直接排入大气，比电厂的影响更严重。中国科学院大气物理研究所研究员王跃思团队通过观测发现，“华北是我国氨气最大的‘热点区’，浓度异常高，空间覆盖范围广” 。该团队前不久在《国家科学评论》 发表文章，直接建议 “将氨(包括氨气和铵盐)作为大气污染物列入控制性指标”。工业过程中的氨排放问题一直没有得到关注。根据前不久完成的国家大气污染防治攻关联合中心组织的“大气重污染成因与治理攻关项目(总理基金)”报告所述：“氨排放主要是畜牧业和农业”，这一结论远远脱离现实。国际、国内多重研究表明，在城市范围内，工业早已是主要氨排放源，特别是超低排放启动后，工业氨用量大幅增加，大气中的氨含量也随之升高。氨气是大气中唯一的高浓度碱性气体, 排放到大气中的氨与硝酸或硫酸等酸性气体发生反应, 形成硫酸盐、硝酸盐，氨盐等二次细颗粒物，是大气中气态污染物转变成颗粒态污染物的重要推手。另外氨（氨类物质）对雾霾的影响还表现在高湿环境下，溶解于液滴中的氨类物质和硝酸盐，作为营养物质导致一些微生物大量快速的繁殖，使得雾霾快速发展。我们在追求超低的氮氧化物排放的同时，忽视了目前技术的局限性，使得大量的氨排向空中，转而形成二次颗粒物和微生物的繁殖，抵消了其它颗粒物减排的效果。近年来，华北地区降雨已经从局部性酸雨转变为全面偏碱性，这从宏观上也证明，减排常规污染物的同时，导致了过量氨气的排放。在低温季节氨气铵盐湿沉降能力弱的情况下，过量氨气排放会导致大气中的细颗粒物较长时间存在，在较大范围扩散分布。 二氧化硫（SO2）减排，湿法脱硫工艺与细颗粒物排放目前绝大部分电厂和工业企业使用湿法脱硫工艺进行二氧化硫（SO2）减排，尽管脱硫效果明显，但由于中间的烟气升温器 （GGH）被取消，使得烟气低温、低空、高湿排放，脱硫浆液中的细颗粒物通过饱和湿烟气夹带排入大气，可凝结颗粒物 CPM浓度偏高，且未控制。取消GGH的情况下，低温季节，饱和湿烟气条件下，排出的烟气形成浓重的烟羽，二氧化硫在烟羽内的液滴内形成亚硫酸，进一步形成硫酸的极好条件。这样的排放变化过程完全无法监控。根据包括北京，上海等17个达到超低排放标准机组的测试结果，CPM的平均值是 毫克/立方米，超过了超低排放颗粒物标准10毫克/立方米。更为严重的是，CPM形成的颗粒物粒径小，粒数浓度非常高，每立方厘米粒数以千万计。同样质量浓度的CPM，其粒数远超过可过滤颗粒物，对大气的消光作用也远远大于可过滤颗粒物。这些CPM 在大气中作为凝结核，遇冷凝并，吸湿长大，并产生液相下的二次复合过程，雾霾暴发时，以质量浓度形态显现。齐鲁工业大学研究员周勇通过多重证据研究，确认湿法脱硫后粒数浓度暴增是2013-2014年京津冀及周边省份雾霾大爆发的主因。而湿法脱硫工艺取消GGH是最主要的引发粒数浓度暴增的因素，同期大规模的脱硝加剧了这一趋势。这也说明了为什么在2011年以前，常规污染物二氧化硫、氮氧化物处于峰值时，没有形成严重的雾霾，而在治理措施加大后（在新的大气污染物排放标准、脱硝加价和严管政策刺激下，2012年开始进行大规模脱硝和脱硫设施建设或改造，2012年底开始没有GGH并和脱硝设施串联的湿法脱硫系统全面推开并实行严格的在线监测），雾霾反而显现了！这一现象不但发生在华北地区，甚至是全国性的。现在冬季，从南到北，主要工业城市上空大部分时间是灰朦朦的。由于可凝结颗粒物CPM没有包括在目前的颗粒物标准之中，因此没有得到监管。这一颗粒物指标上的漏洞，说明了为什么环保指标上的成果对不上实际的大气污染情况。因为指标只管住了可过滤的固体颗粒物，对雾霾影响更严重的CPM没有得到监管，超低排放评价显著低估了颗粒物的实际排放水平，所谓的超低排放，实际上是非关键致霾指标的超低，不可能实现对症下药来治理雾霾！ 2018年各地采取的俗称“除湿脱白”的烟羽中污染物治理措施，治理湿法脱硫后的白色烟羽，对控制 CPM 有一定效果，但由于各种原因，被主管部门叫停！这也就是为什么疫情期间，只有全面实现超低排放的电厂和有限的其它工业排放，雾霾依然席卷大半个中国。工业水汽排放湿度是雾霾形成的一个关键因素，观察表明，重度雾霾都是伴随着高湿天气发生的。北方秋冬季形成明显雾霾前的敏感阶段及成霾过程中，煤炭/天然气燃烧、湿法脱硫、冷却塔等排放的水气，对当时大气湿度有20%左右的贡献，对雾霾的形成也有较大贡献。在工业集中的地区，水汽形成的水蒸汽气溶胶，使得局部的云层增厚，在城市上空形成一个“锅盖”，使污染物无法自由扩散，大气中包括CPM在内的各类细颗粒物，在这种人为排放水汽形成的高湿环境下，吸湿增长（研究表明，如果空气湿度达95%，在短时间内可凝结颗粒物粒径能增长6-16倍），与各种污染源排出的硫氧化物、氮氧化物、VOC等污染物化合，形成二次颗粒物，导致雾霾加重。城市周边大量工业水汽的排放，还会造成静稳，逆温的天气增加。水汽形成的水蒸汽气溶胶，使得局部的云层增厚，在城市上空形成一个“锅盖”，大气流动性减弱，形成静稳环境，使污染物无法自由扩散；由于湿态水溶性离子颗粒物的消光作用，大气边界层阻挡太阳光线照射至地面，地表温度低，形成逆温环境，同时这些工业水汽都带有热度，高于环境温度，在高空遇冷冷凝，释放出热量，使高空的气温升高，也有助于逆温天气的形成。静稳，逆温环境导致污染物在近地表大气边界层内累积，形成雾霾。工业水汽排放不但对大气扩散条件产生影响，同时，水汽中夹带大量细颗粒物。除了湿法脱硫后的白色烟羽含有巨量可凝结颗粒物和可溶性盐，目前为了节约用水，不少电厂冷却塔使用中水作为补充水，不断的循环，使水汽中的含盐量大幅上升。据估算，一个百万千瓦机组的冷却塔每小时可排 200-400公斤的溶解性颗粒物到空中，是同样机组烟气总颗粒物TPM排放浓度的4-8倍！3.雾霾形成与暴发过程分析尽管在多年的努力下，常规污染物二氧化硫 SO2，氮氧化物 NOx, 和颗粒物（尘PM）已经降到低位，但由于技术缺陷和标准缺失，所产生的非常规污染物（可凝结颗粒物CPM， 氨和工业水汽）没有得到治理和控制，以至北方地区秋冬季雾霾没有得到有效控制，其形成与爆发的过程如下：在低温静稳干燥气象条件下，粒数巨大没有得到管控的可凝结颗粒物 CPM 排放到大气中形成固态或液态的细颗粒物；湿法脱硫，冷却塔等工业水蒸气排放推高相对湿度，大气中的干态水溶性离子颗粒物吸湿长大；烟气中残留的氮氧化物、硫氧化物，VOCs和氨气等和吸湿长大后的干态水溶性离子颗粒物，水汽夹带的细颗粒物在大气中发生二次复合，形成硝酸盐，硫酸盐，有机盐和氨盐等二次颗粒物。由于湿态水溶性离子颗粒物的消光作用，大气边界层阻挡太阳光线照射至地面，地表温度低，形成逆温环境。这些盐粒在逆温，静稳大气的影响下，在较低的大气边界层内富集，形成雾霾。在高湿天气，这个过程显著加快和加强，湿态水溶性离子颗粒物粒径大幅增长，新排放的水蒸气和夹带的细颗粒物在更低的大气边界层内扩散，地表的空气密度升高，大气的垂直层结构相对稳定，空气的上下间流动显著减弱，静稳，逆温环境加强，同时，水溶性离子颗粒物中铵根，硝酸根等营养物，促使微生物快速繁殖，质量浓度快速增长，雾霾爆发，并会维持一段时间，直至大气环境发生改变（如大风，下雨，冷空气入侵等）。4. 建议 确定雾霾主因后进行针对性治理，避免秋冬季的“停工限产”措施为了维持北方地区的环境质量，从 2017年开始实施“大气污染应急管控防治措施”，即在污染天气各地要求企业 “停工限产”。这一措施虽然缓解和减轻了雾霾污染的影响，但给各地的经济带来严重的伤害，同时也掩盖了环保治理的问题和缺陷。从经济上考虑，治理目前的大气污染问题，对于一个省，只是一个百亿级的投入（如果通过节能措施减排, 投入的成本还可回收），但大面积的停工限产，经济损失是千亿级别，而且年复一年。根据前面的分析，重度雾霾不是一次排放造成，而是大气扩散条件变差后，二次颗粒物暴增所引起，“停工限产”的作用有限。因此，我们建议在“十四五”期间，取消“大气污染应急管控防治措施”，停止各种名目甚至加码的“停工限产”，保障国民经济，特别是北方地区的可持续发展。 设立国务院雾霾治理办公室由于雾霾形成的复杂性和治理的长期性，光凭环保部门的力量是不够的，这几年各地政府都设立了“大气污染防治办公室”，协调环保，能源，交通，工业，科技，城市管理等部门的合作，建议国务院也设立“雾霾治理办公室”，从顶层开始，整合资源，全面协调大气污染治理的工作，而不是目前环保部门单打独斗，头痛医头，脚痛医脚，并且受制于一些利益集团和固有的思维模式，不能开展真正有效的治理。 通过余热回收，治理湿法脱硫后排出的烟气湿法脱硫后排出的烟气不但含有水汽和细颗粒物，还有余热。为贯彻落实《国务院关于印发大气污染防治行动计划的通知》,发改委 2015年就发布《余热暖民工程实施方案》鼓励回收烟气余热，并在 150 个区县开展试点。目前余热回收利用技术已完全成熟，为了迅速抑制雾霾，特别是重霾的发生，应该强制回收湿法脱硫后烟气的余热和水汽，使企业达到节能、节水、降霾、减碳和增收的五重效益。这是目前经济成本最低，控制雾霾最有效的方法。回收工业排放的水汽和余热根据各地的工业布局和环境容量，采取积极措施鼓励或要求回收电厂冷却、冶炼、化工等行业各工序排出的水汽、余热。此举能减轻甚至拿掉城市上空的 “锅盖”，大幅度改善大气扩散条件，减少雾霾的产生，并能减少随水汽排出的盐粒和污染物。同时重复利用水，减少工业用水总量，降低企业成本，余热还可以回收利用，产生经济效益。增加超低排放的内容，弥补排放指标上缺失要把氨(包括氨气和铵盐)纳入控制性指标，严格控制氨的使用。城区的氨排放除了电力、工业的脱硝外，还包括机动车，特别是柴油车的氮氧化物减排中的氨排放，和尿素制作过程中的氨排放等。颗粒物超低标准必须包括可凝结颗粒物CPM。目前直接检测CPM 比较困难，可通过间接检测方法（如测冷凝水中的电导率）进行监测。
一：1、题目。应能概括整个论文最重要的内容，言简意赅，引人注目，一般不宜超过20个字。论文摘要和关键词。2、论文摘要应阐述学位论文的主要观点。说明本论文的目的、研究方法、成果和结论。尽可能保留原论文的基本信息，突出论文的创造性成果和新见解。而不应是各章节标题的简单罗列。摘要以500字左右为宜。关键词是能反映论文主旨最关键的词句，一般3-5个。3、目录。既是论文的提纲，也是论文组成部分的小标题，应标注相应页码。4、引言(或序言)。内容应包括本研究领域的国内外现状，本论文所要解决的问题及这项研究工作在经济建设、科技进步和社会发展等方面的理论意义与实用价值。5、正文。是毕业论文的主体。6、结论。论文结论要求明确、精炼、完整，应阐明自己的创造性成果或新见解，以及在本领域的意义。7、参考文献和注释。按论文中所引用文献或注释编号的顺序列在论文正文之后，参考文献之前。图表或数据必须注明来源和出处。(参考文献是期刊时，书写格式为：[编号]、作者、文章题目、期刊名(外文可缩写)、年份、卷号、期数、页码。参考文献是图书时，书写格式为：[编号]、作者、书名、出版单位、年份、版次、页码。)8、附录。包括放在正文内过份冗长的公式推导，以备他人阅读方便所需的辅助性数学工具、重复性数据图表、论文使用的符号意义、单位缩写、程序全文及有关说明等。
当前国内、外的研究动态从对图像进行滤波的过程中所采用的滤波方法来分，可分为空间域滤波、变换域滤波；从滤波类型来分，又可以分为线性滤波和非线性滤波。2002年和VetterliM.提出了一种“真正”的二维图像稀疏表达方法——Contourlet变换[7,8]，这种变换能够很好的表征图像的各向异性特征。由于Contourlet变换能更好的捕获图像的边缘信息，因此选择合适的阈值进行去噪就能获得比小波变换更好的效果。Starck等人将Curvelet变换应用于图像的去噪过程中并取得了良好的效果[9]，该方法虽然能有效的去除噪声，但往往会“过扼杀”Curvelet系数，导致在消除噪声的同时丢失图像细节。在过去的二十年里，自适应滤波器在通信和信号处理领域引起了人们的极大关注。TerenceWang等人针对二维自适应FIR滤波器提出了一种二维最优块随机梯度算法(TDOBSG)[10]。这种算法对滤波器的所有系数使用了空间可变的收缩因子。基于使后验估计方差矢量的二范数最小的最小方差准则，在块迭代的过程中选出最优的收敛因子。线性滤波器的最大优点是算法比较简单且速度比较快，缺点是容易造成细节和边缘模糊。在目前对非线性滤波器的研究中，中值滤波器有较明显的优势，很多科学工作者对中值滤波器作了改进或者提出了一些新型的中值滤波器。Loupas等人提出的自适应的加权中值滤波方法(AWMF)，但他利用的Speckle噪声模型不够精确，图像细节损失较大[11]。针对中值滤波器在处理矢量信号存在的缺点，Jakko等人提出两种矢量中值滤波器[12]。近年来，小波分析是当前应用数学中一个迅速发展的新领域，它凭借其卓越的优越性，越来越多的被应用于图像去噪等领域，基于小波分析的图像去噪技术也随着小波理论的不断完善取得了较好的效果。上个世纪八十年代Mallet提出了 MRA(Multi_Resolution Analysis)，并首先把小波理论运用于信号和图像的分解与重构，利用小波变换模极大值原理进行信号的奇异性检测，提出了交替投影算法用于信号重构，为小波变换用于图像处理奠定了基础[13]。后来，人们根据信号与噪声在小波变换下模极大值在各尺度上的不同传播特性，提出了基于模极大值去噪的基本思想。1992年，Donoho和Johnstone[14]提出了“小波收缩”，它较传统的去噪方法效率更高。“小波收缩”被Donoho和Johnstone证明是在极小化极大风险中最优的去噪方法，但在这种方法中最重要的就是确定阈值。1995年，Stanford大学的学者和提出了通过对小波系数进行非线性阈值处理来降低信号中的噪声[15，16，17]。从这之后的小波去噪方法也就转移到从阈值函数的选择或最优小波基的选择出发来提高去噪的效果。影响比较大的方法有以下这么几种：和提出的基于最大后验概率的贝叶斯估计准则确定小波阈值的方法[18]；等在处理断层图像时提出了三种基于小波相位的去噪方法：边缘跟踪法、局部相位方差阈值法以及尺度相位变动阈值法[19]；学者Kozaitis结合小波变换和高阶统计量的特点提出了基于高阶统计量的小波阈值去噪方法[20]；等利用原图像和小波变换域中图像的相关性用GCV(generalcross-validation)法对图像进行去噪[21]；和Woolsey等人提出结合维纳滤波器和小波阈值的方法对信号进行去噪处理[22]，VasilyStrela等人将一类新的特性良好的小波(约束对)应用于图像去噪的方法[23]；同时，在19世纪60年代发展的隐马尔科夫模型(HiddenMarkov Model)[24]，是通过对小波系数建立模型以得到不同的系数处理方法；后又有人提出了双变量模型方法[25,26]，它是利用观察相邻尺度间父系数与子系数的统计联合分布来选择一种与之匹配的二维概率密度函数。这些方法均取得了较好的效果，对小波去噪的理论和应用奠定了一定的基础。另外，尽管小波去噪方法现在已经成为去噪和图像恢复的重要分支和主要研究方向，但目前在另类噪声分布（非高斯分布）下的去噪研究还不够。目前国际上开始将注意力投向这一领域，其中非高斯噪声的分布模型、高斯假设下的小波去噪方法在非高斯噪声下如何进行相应的拓展，是主要的研究方向。未来这一领域的成果将大大丰富小波去噪的内容。总之，由于小波具有低墒性、多分辨率、去相关性、选基灵活性等特点[27]，小波理论在去噪领域受到了许多学者的重视，并获得了良好的效果。但如何采取一定的技术消除图像噪声的同时保留图像细节仍是图像预处理中的重要课题。目前，基于小波分析的图像去噪技术已成为图像去噪的一个重要方法。
安装隔音板，隔音材料，隔音棉都能隔音。
导言 损坏的图像往往是在其噪声采集和传输。例如在图像采集，其性能的影像传感器是受多种因素，如环境条件和质量检测的内容本身。例如，在获取图像的CCD相机，轻水平和传感器温度是主要影响因素的数量所产生的噪声的形象。图像传输过程中还损坏，由于干扰的频道用于传输。图像降噪技术，必须消除这种添加剂随机噪声，同时保留尽可能多的重要信号的功能。的主要目标，这些类型的随机噪声去除抑制噪声，同时保持原始图像的细节。统计过滤器一样平均滤波器[ 1 ] [ 2 ] ， Wiener滤波器[ 3 ]可用于消除这种噪音，但基于小波变换的去噪方法更好的结果证明不是这些过滤器。一般来说，图像去噪规定之间的妥协，减少噪音和保护重要的图像细节。为了实现良好的性能在这方面，去噪算法，以适应图像的不连续性。小波代表性，自然有利于建设这种空间自适应算法。它压缩在一个重要信息信号转换成相对较少，大量系数，代表图像细节在不同的决议尺度。在最近几年出现了相当数量的研究小波阈值和阈值选取的信号和图像去噪[ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] ，因为小波提供了一个适当的基础分离噪音信号从图像信号。许多小波阈值技术一样VisuShrink [ 10 ] ， BayesShrink [ 11 ]已经证明，效益较好的图像去噪。在这里，我们描述一个有效的阈值去噪技术通过分析统计参数的小波系数。本文安排如下：简要回顾了离散小波变换（ DWT域）和小波滤波器银行第二节。小波阈值技术是基于解释第三节。在第四部分提出了新的阈值技术的解释。的步骤在此范围内工作的解释第五节第六节的实验结果这个拟议的工作和其他去噪技术是当前和比较。最后总结发言中给出了第七节。
题目基于小波变换的图像去噪方法研究学生姓名陈菲菲学号 1113024020 所在学院物理与电信工程学院专业班级通信工程专业1 101 班指导教师陈莉完成地点物理与电信工程学院实验中心 201 5年5月 20日 I 毕业论文﹙设计﹚任务书院(系) 物理与电信工程学院专业班级通信 1 101 班学生姓名陈菲菲一、毕业论文﹙设计﹚题目基于小波变换的图像去噪方法研究二、毕业论文﹙设计﹚工作自 201 5年3月1日起至 201 5年6月20 日止三、毕业论文﹙设计﹚进行地点: 物理与电信工程学院实验室四、毕业论文﹙设计﹚的内容 1、图像处理中,输入的是质量低的图像,输出的是改善质量后的图像。常用的图像处理方法有图像增强、复原、编码、压缩等。一般图像的能量主要集中在低频区域中,只有图像的细节部的能量才处于高频区域中。因为在图像的数字化和传输中常有噪声出现,而这部分干扰信息主要集中在高频区域内,所以消去噪声的一般方法是衰减高频分量或称低通滤波,但与之同时好的噪方法应该是既能消去噪声对图像的影响又不使图像细节变模糊。为了改善图像质量,从图像提取有效信息,必须对图像进行去噪预处理。设计任务: (1 )整理文献,研究现有基于小波变换的图像去噪算法,尝试对现有算法做出改进; (2 )在 MATLAB 下仿真验证基于小波变换的图像去噪算法。 2 、要求以论文形式提交设计成果,应掌握撰写毕业论文的方法, 应突出“目标,原理,方法,结论”的要素,对所研究内容作出详细有条理的阐述。进度安排: 1-3 周:查找资料,文献。 4-7 周:研究现有图像去噪技术,对基于小波变换的图像去噪算法作详细研究整理。 8-11 周: 研究基于小波的图像去噪算法,在 MATLAB 下对算法效果真验证。 12-14 周:分析试验结果,对比各种算法的优点和缺点,尝试改进算法。 15-17 周:撰写毕业论文,完成毕业答辩。指导教师陈莉系(教研室) 系( 教研室) 主任签名批准日期 接受论文( 设计) 任务开始执行日期 学生签名 II 基于小波变换的图像去噪方法研究陈菲菲( 陕西理工学院物理与电信工程学院通信 1 101 班,陕西汉中 72300 0) 指导教师: 陈莉[摘要] 图像去噪是信号处理中的一个经典问题, 随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。基于小波变换的去噪方法有很多
function dark = darkChannel(imRGB)r=imRGB(:,:,1);g=imRGB(:,:,2);b=imRGB(:,:,3); 分别提取三色的灰度图[m n] = size(r); 提取单色图矩阵的宽度和长度a = zeros(m,n); 创建m*n的零矩阵afor i = 1: mfor j = 1: na(i,j) = min(r(i,j), g(i,j)); a(i,j)= min(a(i,j), b(i,j)); 依次比较三色分量的最小值提取为暗通道图endendd = ones(15,15); 创建15*15的单位矩阵fun = @(block_struct)min(min())*d; dark = blockproc(a, [15 15], fun); 将图片分成15*15的小块并将每一块变成其中的最小值dark = dark(1:m, 1:n);我也是新手啊兄弟只能帮你到这儿了
这个哈解决的，要求告诉我
姓名：张昊楠 学号：21021210691 学院：电子工程学院 【嵌牛导读】简要介绍暗通道先验理论基础 【嵌牛鼻子】图像处理 图像去雾 【嵌牛正文】： 暗通道先验理论是何凯明基于对大量户外无雾图像的观察所得到的统计规律：在大多数不包含天空区域的图像中，存在一些像素点，这些像素点中至少有一个通道的值有非常低的值。如果将无雾图像用J表示，那么图像的暗通道可以表示为： 式中Ω（x）表示以像素点x为中心的方形窗口。暗通道图像即为对原图作最小值滤波。 根据暗通道先验理论，在没有雾的户外图像中，除天空区域外，其暗通道趋向于零，即： 造成暗通道图像亮度低的原因一般包括图像中的阴影区域，颜色鲜艳的物体以及本身就比较暗的物体。 一般来说，一张含雾霾的图片往往比没有雾霾的图片更亮。在雾霾越厚的地方，其暗通道像素值越高。根据暗通道先验理论，我们可以认为，含雾图片中暗通道的亮度大致接近雾霾的厚度。 图1是一幅无雾图和它的暗通道图像，图2是一幅有雾图和它的暗通道图像。通过对比可以发现，图1的暗通道图几乎全部是黑色，图2的有雾图像白色区域明显较多，且原图中雾越浓，暗通道图像对应的区域越亮。雾天图像的暗通道图像亮度值可以很好地反映雾的浓度。根据这一点，我们可以通过暗通道图像来估计雾的浓度。 下面介绍如何利用暗通道先验理论对图像进行去雾： 在一些关于图像去雾的方法中，一般将图像中像素的最大值作为大气光的估计值。但在实际的图片中，最亮的像素点可能是白色的背景墙或者白色的汽车。所以利用原图最亮的像素点作为大气光的强度有时会产生较大误差。 如第1节介绍的那样，雾霾图像暗通道亮度近似等同于雾霾厚度，所以可以利用图像的暗通道的亮度来更准确估计整体大气光。整体大气光的估计方法如下： 首先取暗通道图像中千分之一个最亮的像素点；然后找到这些像素点对应在原彩色图像中的位置；最后，在原彩色图像中的这些位置里面找到亮度最大的点，作为大气光强的估计值。实际操作中，这种方法比“最亮像素法”更具有更高的稳定性。 对大气散射模型变形，有 假设在区域 中，透射率t(x)是一个常数，记为 。对上式两端作两次最小值滤波，第一次对等式两端R,G,B三个通道取最小值，第二次滤波对以目标像素点为中心的方形区域内取最小值作为该像素点的值，公式表示如下所示： 根据暗通道先验理论： 将2-3式代入2-2式，可以求得透射率 实际生活中，即使是在晴朗的天气下也会不可避免地在空气中存在一些杂质分子。而且，雾的存在可以帮助我们更好获取景深信息，这种现象就是我们所说的空间透视。如果将雾完全除掉的话，景深信息也会丢失，这样一来，复原出的图像会显得不自然。所以在实际操作时，我们会选择保留一部分覆盖远景的雾。为此，引入参数，对2-4式作出调整，得到修正后透射率的表达式： w越大，表示去雾效果越好。当w=0时，透射率恒为1，复原结果图即为原图；当w=1时，表示雾霾全部去除。这里，为保留一定的景深信息，令w=。 根据上述方法，我们已经求出了大气光强和透射率信息，对大气散射模型作恒等变形，利用（2-6）式在图像的R,G,B三个通道分别进行计算即可得到复原后的无雾图像。 透射率t(x)是一个介于0和1之间的值，当t(x)的某个值为0时，根据上述公式，所得到的图像对应点的像素值则趋向于无穷大，这是我们不希望看到的。所以，为了避免这种情况的发生，我们引入限制透射率阈值的参数 ，以此来控制透射率的下限，则修正后的表达式为：复原效果图： 从图中可以看出，虽然利用上述方法实现了去雾的效果，但效果并不理想。在天安门与天空连接的边缘部分，会有明显的带状区域产生，这种现象我们称之为光晕效应。经过对比发现，滤波窗口的半径越大，光晕效应越明显。这是因为，我们最初的假设是透射率 在以某一像素点为中心的 为半径的区域内是常数，这种假设在图像的平滑区域是成立的，但在景深突变的边缘处，这种假设并不成立。在边缘部分的透射率信息和实际有一定的误差，我们称这个透射率是粗糙的。因此，为取得更加理想的去雾效果，需要进一步对计算出的透射率 进行细化处理。 在后续的文章中，我们将会介绍一些方法对透射率进行细化，用以抑制光晕效果的产生。 K. He, J. Sun and X. Tang, "Guided Image Filtering,"in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 35, , pp. 1397-1409, June 2013, doi: .
%%%%暗原色去雾算法是建立在户外自然场景暗通道优先法则的基础上的去雾方法，其实就是解一个方程%%I(x)=J(x)t(x)+A(1-t(x));其中I(x)是受到雾气污染的图像。J(x)是我们需要求的去雾后的图像%%t(x)是天空中云层的透射分布率，A是天空的亮度%暗影去雾算法% 原始图像img_name = imread('C:\Users\Administrator\Desktop\桌面文件\专业课\设计\');I = double(img_name) / 255;% 获取图像大小[h,w,c] = size(I);%去雾系数w0 = ;img_size = w * h;%初始化结果图像dehaze = zeros(h,w,c);%初始化暗影通道图像win_dark = zeros(h,w);for i=1:h for j=1:wwin_dark(i,j)=min(I(i,j,:));%将三个通道中最暗的值赋给dark_I(i,j),显然，三维图变成了二维图endendwin_dark = ordfilt2(win_dark,1,ones(9,9),'symmetric');%计算大气亮度A，相关原理详见论文“Single Image Haze Removal Using Dark Channel Prior”dark_channel = win_dark;A = max(max(dark_channel));[i,j] = find(dark_channel==A);i = i(1);j = j(1);A = mean(I(i,j,:));%计算初始的transmission maptransmission = 1 - w0 * win_dark / A;%用guided filter对trasmission map做soft mattinggray_I = I(:,:,1);%这里gray_I 可以是RGB图像中任何一个通道p = transmission;r = 80;eps = 10^-3;transmission_filter = guidedfilter(gray_I, p, r, eps);t0=;t1 = max(t0,transmission_filter);for i=1:cfor j=1:hfor l=1:wdehaze(j,l,i)=(I(j,l,i)-A)/t1(j,l)+A;endendendfigure,imshow(I);title('去雾前')figure,imshow(dehaze);title('去雾后')%里面用到的两个函数如下：（这两个函数是何凯明guided filter中的，详细原理可以参考博客园中laviewpb的分析）function q = guidedfilter(I, p, r, eps)% GUIDEDFILTER O(1) time implementation of guided filter.%% - guidance image: I (should be a gray-scale/single channel image)% - filtering input image: p (should be a gray-scale/single channel image)% - local window radius: r% - regularization parameter: eps[hei, wid] = size(I);N = boxfilter(ones(hei, wid), r); % the size of each local patch; N=(2r+1)^2 except for boundary = boxfilter(I, r) ./ N;mean_p = boxfilter(p, r) ./ N;mean_Ip = boxfilter(I.*p, r) ./ N;cov_Ip = mean_Ip - mean_I .* mean_p; % this is the covariance of (I, p) in each local = boxfilter(I.*I, r) ./ N;var_I = mean_II - mean_I .* mean_I;a = cov_Ip ./ (var_I + eps); % Eqn. (5) in the paper;b = mean_p - a .* mean_I; % Eqn. (6) in the paper;mean_a = boxfilter(a, r) ./ N;mean_b = boxfilter(b, r) ./ N;q = mean_a .* I + mean_b; % Eqn. (8) in the paper;endfunction imDst = boxfilter(imSrc, r)% BOXFILTER O(1) time box filtering using cumulative sum%% - Definition imDst(x, y)=sum(sum(imSrc(x-r:x+r,y-r:y+r)));% - Running time independent of r; % - Equivalent to the function: colfilt(imSrc, [2*r+1, 2*r+1], 'sliding', @sum);% - But much faster.[hei, wid] = size(imSrc);imDst = zeros(size(imSrc));%cumulative sum over Y axisimCum = cumsum(imSrc, 1);%difference over Y axisimDst(1:r+1, :) = imCum(1+r:2*r+1, :);imDst(r+2:hei-r, :) = imCum(2*r+2:hei, :) - imCum(1:hei-2*r-1, :);imDst(hei-r+1:hei, :) = repmat(imCum(hei, :), [r, 1]) - imCum(hei-2*r:hei-r-1, :);%cumulative sum over X axisimCum = cumsum(imDst, 2);%difference over Y axisimDst(:, 1:r+1) = imCum(:, 1+r:2*r+1);imDst(:, r+2:wid-r) = imCum(:, 2*r+2:wid) - imCum(:, 1:wid-2*r-1);imDst(:, wid-r+1:wid) = repmat(imCum(:, wid), [1, r]) - imCum(:, wid-2*r:wid-r-1);end
雾是由大量悬浮在近地面空气中的微小水滴或冰晶组成的气溶胶系统，是近地面层空气中水汽凝结（或凝华）的产物。我们将悬浮在近地面空气中的水汽凝结（或凝华）物的天气现象称为雾（Fog）；霾是由空气中的灰尘、硫酸、硝酸、有机碳氢化合物等粒子组成的。这种非水成物组成的气溶胶系统造成的视程障碍称为霾(Haze)或灰霾（Dust-haze），香港天文台称烟霞(Haze)。灰霾的形成主要是空气中悬浮的大量微粒和气象条件共同作用的结果，其成因有三：——在水平方向静风现象增多。城市里大楼越建越高，阻挡和摩擦作用使风流经城区时明显减弱。静风现象增多，不利于大气中悬浮微粒的扩散稀释，容易在城区和近郊区周边积累；——垂直方向上出现逆温。逆温层好比一个锅盖覆盖在城市上空，这种高空的气温比低空气温更高的逆温现象，使得大气层低空的空气垂直运动受到限制，空气中悬浮微粒难以向高空飘散而被阻滞在低空和近地面。——空气中悬浮颗粒物的增加。随着城市人口的增长和工业发展、机动车辆猛增，污染物排放和悬浮物大量增加，直接导致了能见度降低。实际上，家庭装修中也会产生粉尘“雾霾”，室内粉尘弥漫，不仅有害于工人与用户健康，增添清洁负担，粉尘严重时，还给装修工程带来诸多隐患自我防护1、雾霾天气少开窗雾霾天气不主张早晚开窗通风，最好等太阳出来再开窗通风。2、外出戴口罩如果外出可以戴上口罩，这样可以有效防止粉尘颗粒进入体内。口罩以棉质口罩最好，因为一些人对无纺布过敏，而棉质口罩一般人都不过敏，而且易清洗。外出归来，应立即清洗面部及裸露的肌肤。3、多喝桐桔梗茶桐桔梗茶有清火滤肺尘功能，可以有效的协助人体排出体内积聚的颗粒物及其他有害物质。具体可参考桐桔梗茶的百度百科介绍。4、适量补充维生素D冬季雾多、日照少，由于紫外线照射不足，人体内维生素D生成不足，有些人还会产生精神懒散、情绪低落等现象，必要时可补充一些维生素D。5、饮食清淡多喝水雾天的饮食宜选择清淡易消化且富含维生素的食物，多饮水，多吃新鲜蔬菜和水果，这样不仅可补充各种维生素和无机盐，还能起到润肺除燥、祛痰止咳、健脾补肾的作用。少吃刺激性食物，多吃些梨、枇杷、橙子、橘子等清肺化痰食品。
空气污染严重，工厂排放量不达标汽车尾气污染等多种因素引起的雾霾。光要GTP还不够，也要注重大气污染。注重健康也是首要。没有人类一切等于零。
你是43中初一的吧？我也在做这个作业。
如何应对雾霾天气？1尽量少出门：由于雾霾天气中存在着大小颗粒物，严重危害身体健康，颗粒物进入身体后会粘附在呼吸道，造成支气管炎，咽炎。尤其是抵抗力相对比较弱的老年人和患有呼吸道疾病的人群更应该减少出行，或户外运动时应戴口罩防护身体。2晨练应限制：有很多人比较习惯晨练，其实这对于人体来讲，时间并不是很正确，由于早晨处于空气交换环境，空气质量很差，尤其是雾霾天气，呼吸道容易受到刺激，在锻炼时容易诱发呼吸道和心脑血管疾病。3 做好个人卫生，出门后进入室内要洗脸，漱口，换掉外出时穿的衣服去掉污染的残留4饮食方面有讲究：A多喝水，加快身体的新陈代谢B饮食上我们应该尽量避免辛辣刺激食物的摄入，对于冬季爱吃火锅的人群应尽量较少。C饮食清淡，多吃新鲜蔬菜水果，银耳，梨，柿子，百合，萝卜，荸荠等润肺食品。
基于频域多尺度小波变换的CR图像超分辨率增强，吉林大学学报(信息科学版),2009(3) (通讯作者)李哲,黄廉卿,李鹤:”基于数学形态学的CR图像实时快速分割算法”[J]. 光学技术33(1):6-10,2007(EI)李哲，黄廉卿.”基于自动选取最佳阈值的X光图像快速分割方法”[J].计算机应用研究24(3):286-288,2007李哲，黄廉卿. 基于自动选取多个阈值的乳腺X光图像分割方法[OL]. 2005 中国科技论文在线李哲，夏秀娟：“医疗保险管理信息系统的设计及需注意的几个问题”计算机与现代化 著作教材1.多媒体技术实验与习题指导 清华大学出版社20122.高等计算机教材系列·多媒体技术教程 机械工业出版社20093.高等院校计算机教材系列·多媒体技术实验与习题指导 机械工业出 版社20094、多媒体技术实验与习题指导（21世纪高等学校规划教材·计算机应用） 清华大学出版社 2012 获奖情况： 2008年吉林大学仪器科学与电气工程学院青年教师教学比赛一等奖
随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!
图像识别技术研究综述
摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。
关键词：图像处理;图像识别;成像
中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02
图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。
1 图像处理技术
图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。
1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。
2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。
3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。
4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。
5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。
2 图像识别技术
图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：
指纹识别
指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。
人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。
文字识别
文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。
3 结束语
人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。
参考文献：
[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.
[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.
[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.
[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.
[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.
[6] Sanderson C，Paliwal K Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.
点击下页还有更多>>>图像识别技术论文
你应该好好了解自己研究的题目，论文与专业不一样，看来你的能力超强。希望你很快进入这个领域。名副其实的写出一篇有硕士水平的论文。到此为止，超出问答的范围不是到这回答问题的目的。