发布时间：
一、论文(近年来发表的主要论文)：1基于可分解马尔科夫网的视频图像检测方法研究，《光学学报》2005年3月，第三期。（EI检索）2基于可分解马尔科夫网的椒盐图像滤波，《武汉大学学报·信息科学版》2005年7月，第七期。（EI检索）3基于DMN的高光谱图像分割方法研究，《遥感学报》2005年9月，第五期。4用马尔科夫网对多光谱遥感图像进行波段最优融合，《测绘学报》2005年2月，第一期。5非航测专业数字摄影测量教材问题研究，《测绘通报》2006年6月，第六期。6图像分割中MRF与DMN方法评述与比较，《计算机工程与应用》2006年7月，第二十期。7图像分割中区域灰度重叠问题研究,《计算机应用》2006年9月，第九期。8自动检测违章车辆的方法，《长安大学学报·自然科学版》2005年1月刊出，第一期。9基于马尔科夫网视频图像目标检测跟踪方法研究，《测绘科学》2004年12月刊出，第六期。10基于图论的图像分割方法及其局限性研究，《测绘技术装备》2006年6月，第二期。11马尔科夫网的概念、方法及其在图像处理中应用，《中国图象图形学报》2005年8月刊出，第八期。
黄瓜叶绿素测第几片叶子的方法如下。1、按照常规方法提取黄瓜叶片高光谱图像特征参数，如红边参数和植被指数，分析它们与叶绿素含量之间的关系，发现各参数与叶绿素之间存在一定的相关关系，但是相关性均不高。结果表明，红边参数和植被指数反映的信息较单一，而且必须针对具体情况对其修正，有很大的局限性。2、研究主成分分析法和独立分量法提取高光谱图像特征参数，提取黄瓜叶片高光谱图像光谱维的前10主成分分量和前8个独立分量，分别利用多元回归建立叶绿素含量的预测模型，其预测集相关系数R分别达到0.827和0.831。利用逐步回归比较两种方法，独立分量分析法只需要一个独立分量既能与叶绿素含量的相关系数R达到0.766，而主成分分析法需要前3个主成分综合才能得到相似效果。结果表明，利用独立分量法分析黄瓜叶片高光谱图像，预测叶片叶绿素含量的方法是可行的，且独立分量分析比主成分分析更有优势。3、首次根据独立分量分析法得到的叶绿素含量预测模型，计算出黄瓜叶片叶绿素的分布图。结果表明利用分离出来的独立分量计算得到的黄瓜叶片叶绿素含量分布图与实际情况相符合，为植物营养元素亏缺等研究奠定基础。4、进行二次开发，开发出了一套高光谱图像数据处理软件，集成了基于批量处理的高光谱图像的标定、感兴趣区域提取、各波长图像及其纹理信息提取、独立分量图计算、数据输出等功能，为快速有效的处理高光谱图像海量数据提供了思路，为科研提供了便利。本论文对利用高光谱图像技术预测黄瓜叶片叶绿素含量及其分布进行了初步研究，探索了独立分量法在高光谱图像处理中的应用。
高光谱遥感（Hyper-spectral ）又称为成像光谱技术，是指利用很多很窄的电磁波波段从感兴趣的物体获取有关数据 。它是源于多光谱遥感技术， 以测谱学为基础在二十世纪八十年代初发展起来的遥感前沿技术。高光谱遥感的显著特点之一是其所提供的高光谱分辨率。过去的多光谱遥感如TM等只能提供7个100~200nm分辨率的间断波段信息，高光谱遥感则可提供几十数百个10nm左右分辨率的连续波段信息，使得高光谱遥感有足够的光谱分辨率对那些具有纳米级诊断光谱特性的地表物体进行区分。由于其可以为每个地面像元提供数百个波段的光谱信息,使其能更有效地对物质进行识别和分类,因此高光谱遥感技术在海洋遥感、植被研究和地质调查等领域都有良好的应用前景,尤其在军事应用方面已经得到了各国的重视。
是。高光谱图像处理是计算机的课程之一，是计算机视觉，主要研究领域为模式识别、高光谱图像处理、计算机视觉及其在遥感、环境、农业和医疗中的应用。
自己在hsi_svm3d.py中实现过scikit-learn svm库用于高光谱图像分类任务
参数小结1 C：C-SVC的惩罚参数C?默认值是1.0 C越大，相当于惩罚松弛变量，希望松弛变量接近0，即对误分类的惩罚增大，趋向于对训练集全分对的情况，这样对训练集测试时准确率很高，但泛化能力弱。C值小，对误分类的惩罚减小，允许容错，将他们当成噪声点，泛化能力较强。
kernel ：核函数，默认是rbf，可以是‘linear’, ‘poly’, ‘rbf’, ‘sigmoid’, ‘precomputed’
0 – 线性：u'v
1 – 多项式：(gamma u' v + coef0)^degree
2 – RBF函数：exp(-gamma|u-v|^2)
3 –sigmoid：tanh(gamma u' v + coef0)
degree ：多项式poly函数的维度，默认是3，选择其他核函数时会被忽略。
gamma ： ‘rbf’,‘poly’ 和‘sigmoid’的核函数参数。默认是’auto’，则会选择1/n_features
coef0 ：核函数的常数项。对于‘poly’和 ‘sigmoid’有用。
probability ：是否采用概率估计？.默认为False
shrinking ：是否采用shrinking heuristic方法，默认为true
tol ：停止训练的误差值大小，默认为1e-3
cache_size ：核函数cache缓存大小，默认为200
class_weight ：类别的权重，字典形式传递。设置第几类的参数C为weight*C(C-SVC中的C)
verbose ：允许冗余输出？
max_iter ：最大迭代次数。-1为无限制。
decision_function_shape ：‘ovo’, ‘ovr’ or None, default=None3
random_state ：数据洗牌时的种子值，int值
主要调节的参数有：C、kernel、degree、gamma、coef0。
参数小结2
参数选择：
1、使用sklearn 中的gridsearchcv方法，通过列出参数空间，让程序自己去遍历每一种超参数组合，找到最优的一组。
在svm中使用过，确实不错，但其对于无法满足的超参数（比如Nusvm中的nu）没有解决方案，会直接崩。
参见笔记 网格追踪寻找最优超参数组合Parameter estimation using grid search with cross-validation
2、注意类别不平衡的情况下使用 class_weight='balanced'
使用技巧：
1、数据预处理和一些函数的详细说明在 API 参考手册
2、在样本维数m>=2*样本个数n时，分类效果就不好了，
3、sklearn.preprocessing.LabelBinarizer
方法：fit_transform(y)
功能：Fit label binarizer and transform multi-class labels to binary labels.
它有一个逆向方法：inverse_transform(Y, threshold=None)
Transform binary labels back to multi-class labels
其实很多函数都有逆向方法。
参考：
1、 sklearn.svm.SVC 参数说明
2、 scikit-learn 支持向量机算法库使用小结
博客园-刘建平Pinard 3、 API 参考手册
所谓高光谱遥感，即高光谱分辨率遥感，指利用很多很窄的电磁波波段（通常＜10 nm）从感兴趣的物体获取有关数据；与之相对的则是传统的宽光谱遥感（通常＞100nm）且波段并不连续。高光谱图像是由成像光谱仪获取的，成像光谱仪为每个像元提供数十至数百个窄波段光谱信息，产生一条完整而连续的光谱曲线。它使本来在宽波段遥感中不可探测的物质，在高光谱中能被探测。
近20年来，高光谱遥感技术迅速发展，它集探测器技术、精密光学机械、微弱信号检测、计算机技术、信息处理技术于一体，已成为当前遥感领域的前沿技术之一。
1.2.1 高光谱遥感的起源和发展
随着基础理论和材料科学的不断进步，近20年来，高光谱遥感技术迅速发展，已成为除雷达遥感、激光遥感、超高分辨率遥感等技术以外，当前遥感领域的又一重要研究方向。
1.2.1.1 国外的高光谱成像仪研制情况
由于高光谱遥感在地物属性探测方面的巨大潜力，成像光谱技术得到了普遍重视。
（1）机载高光谱成像仪
1983年，第一幅高光谱影像由美国研制的航空成像光谱仪（AIS-1）获取，标志着第一代高光谱成像仪的面世。1987年，美国宇航局（NASA）喷气推进实验室（JPL）研制成功航空可见光/红外成像光谱仪（AVIRIS），这标志着第二代高光谱成像仪的问世。
（2）星载高光谱成像仪
在航天领域，由美国喷气推进实验室研制的对地观测计划中的中分辨率成像光谱仪（MODIS），随TER2RA卫星发射，成为第一颗在轨运行的星载成像光谱仪，从2000年开始向地面传送图像。
2000年，NASA发射的EO21卫星上搭载的高光谱成像仪（Hyperion），地面分辨率为30m，已在矿物定量填图方面取得了很好的应用效果。2002年美国的海军测绘观测（NEMO）卫星携带的海岸海洋成像光谱仪（COIS）具有自适应性信号识别能力，满足军用和民用的不同需求。另外，2007年6月交付美Kirtland空军基地的高光谱成像传感器将通过Tac2Sat23卫星载入太空。
目前，许多国家都在积极研制自己的高光谱传感器，已明确有发射计划的有德国环境监测与分析计划的EnMAP，南非的多传感器小卫星成像仪MSMI和加拿大高光谱环境与资源观测者HERO。
1.2.1.2 国外高光谱影像分析技术的研究现状
在成像光谱仪快速发展的同时，地物光谱数据库、高光谱影像分析技术研究也得到了迅速发展。
地物光谱数据库技术方面，以美国最为先进，有代表性的主要有JPL标准波谱数据库、USGS波谱数据库、ASTER波谱数据库和IGCP2264波谱数据库。此外，美国空军部门和环保局针对大气污染和空气成分的诊断建立了AEDC/EPA光谱数据库，并针对美国海军研究室研制的HYDICE成像光谱仪建立了森林高光谱数据库等。部分其他国家也展开了光谱数据库技术研究和建设工作，如英国在20世纪90年代初针对海水颜色研究建立了海水光谱数据库。
美国国家航空航天局（NASA）、欧洲航天局（ESA）、日本国家空间发展局（NASDA）和大学及研究所都有专门的高光谱影像应用分析的研究机构。
国外商业遥感图像处理系统，相继增加成像光谱数据处理模块，其中具有代表性的有RSI公司的ENVI，PCI Geomatics公司的PCI，MicroImages公司的TNTmips等。
1.2.1.3 国内高光谱遥感技术发展现状
我国紧密跟踪国际高光谱遥感技术的发展，并结合国内不断增长的应用需求，于20世纪80年代中后期着手发展自己的高光谱成像系统。主要的成像光谱仪有中国科学院上海技术物理研究所研制的推扫式成像光谱仪（PHI）系列、实用型模块化成像光谱仪（OMIS）系列、中国科学院长春光学精密机械与物理研究所研制的高分辨率成像光谱仪（C2HRIS）和西安光机所研制的稳态大视场偏振干涉成像光谱仪（SLPIIS）。中国科学院上海技术物理研究所研制的中分辨率成像光谱仪（CMODIS）于2002年随“神舟”三号发射升空，并成功获取航天高光谱影像，其获取影像从可见光到近红外共30个波段，中红外到远红外的4个波段，空间分辨率为500 m。
2007年10月发射的“嫦娥1号”卫星已携带中国科学院西安光学精密机械研究所研制的干涉成像光谱仪升空，用于获取月球表面二维多光谱序列图像及可分辨地元光谱图，通过与其他仪器配合使用对月球表面有用元素及物质类型的含量与分布进行分析，获得的数据用于编制各元素的月面分布图。
从2007年到2010年，我国将组建环境与灾害监测预报小卫星星座，将携带超光谱成像仪，采用0.45～0.95μm波段，平均光谱分辨率为5nm，地面分辨率为100m。
我国在积极研制具有自主知识产权的成像光谱仪的同时，在地物光谱数据技术、高光谱影像分析技术等方面的研究中也取得了一系列可喜的成果。
20世纪90年代初期，中国科学院安徽光学精密机械研究所、遥感所等单位对大量的典型地物进行了波谱采集，建立了我国第一个综合性“地物波谱特性数据库”。1998年，中国国土资源航空物探与遥感中心建立了“典型岩石矿物波谱数据库”，其中包含了我国主要的典型岩石和矿物500 余种。2000年，中国科学院遥感所基于GIS和网络技术研制了典型地物波谱数据库及其管理系统，记录了10000多条地物波谱，并能动态生成相应的波谱曲线和遥感器模拟波段，实现了波谱数据库与“3 S”技术的链接。
1.2.2 高光谱成像仪简介
1.2.2.1 国外高光谱成像仪系统介绍
（1）航空高光谱成像仪
1983年，世界上第一台成像光谱仪AIS-1（Aero Imaging Spectrometer-1）在美国喷气推进实验室研制成功，并成功应用于植被研究、矿物填图等方面，向世界展示了高光谱成像技术具有的潜力。此后，美国机载先进的可见光红外成像光谱仪（AVIRIS）、加拿大的荧光线成像光谱仪（FLI）和在此基础上发展的小型机载成像光谱仪（AIS）、美国Deadalus公司的MIVIS，GER公司的79波段机载成像光谱仪（ROSIS-10 和 ROSIS-20）、美国海军研究所实验室的超光谱数字图像采集试验仪（HYDICE）先后研制成功（表1.1）。
表1.1 国外主要的机载高光谱成像仪信息
近年来，成像光谱技术在资源调查、农作物长势、病虫害、土壤状况、地质勘查等方面的成功应用让世界各国看到了这项新技术的巨大前景与潜力，世界上一些有条件的国家竞相投入到成像光谱仪的研制和应用中来。各国在研制的同时纷纷参考已有成像光谱仪的先进技术，使得新研制的系统在继承了老系统各种优势的同时，很多方面得到了进一步的提高，在稳定性、探测效率、综合性能等方面均得到了很大的进步。其中，具有代表性的有美国的Probe、澳大利亚的HyMap、美国GER公司为德士古（TEXACO）石油公司专门研制的TEEMS系统等。
Probe-1和Probe-2是Earth Search Sciences公司开发的另一个有影响的航空成像光谱仪系统，该系统在0.4～2.5μm区有128个波段，光谱分辨率为18 nm。
HyMap即“高光谱制图仪”（hyperspectral mapper）的简称，是以澳大利亚Intergrated Spectronics公司为主研制的。HyMap在0.25～0.45μm光谱范围有126个波段，同时在3～5μm和8～10μm两个波长区设置了两个可供选择的波段，共有128个波段。其数据在光谱定标、辐射定标和信噪比等方面都达到了较高的性能，总体光谱定标精度优于0.5 nm；短波红外波段（2.0～2.5μm）的信噪比都高于500∶1 ，有的波段其信噪比甚至高达1000∶1。
TEEMS是德士古能源和环境多光谱成像仪（Texaco energy ＆ environmental multispectral imaging spectrometer）的简称。这是一台由美国地球物理和环境研究公司（GER）应德士古的技术要求与德士古的专家合作专门研制的具有200 多个波段、性能十分先进的实用型高光谱成像仪。该系统在紫外、可见光、近红外、短波红外、热红外波段等波谱均具有成像能力，从而在石油地质勘探特别是在勘探与油气藏有关的特征中具有很大潜力。
近年来热红外成像光谱仪已有了实质性的进展。最具有代表性的是美国宇航公司研制的空间增强宽带阵列光谱仪系统（spatially enhanced broadband array spectrograph system，SEBASS）。SEBASS有两个光谱区：中红外，3.0～5.5μm，带宽为0.025μm；长波红外，7.8～13.5μm，带宽为0.04μm。它在中波红外区和长波红外区分别有100个、142个波段；所使用的探测器为两块128*128的Si：As焦平面，有效帧速率为120Hz，温度灵敏度为0.05℃，信噪比＞2000。热红外成像光谱仪为更好地反映地物的本质提供了珍贵的数据，已经被应用于探矿、地质填图、环境监测、农林资源制图、植被长势等诸多领域。
（2）航天高光谱成像仪
美国先后研制出中分辨率成像光谱仪（MODIS），EO-1高光谱卫星，并与日本合作研制出的先进星载热发射反射辐射计（advanced satellite thermal emission/reflection radiometer）以及美国军方的“Might-Sat”高光谱卫星，在航天成像光谱技术研究方面一直在世界遥遥领先。
MODIS是EOS-AM1卫星（1999年12月发射）和EOS-PM1（2002年5月发射）上的主要探测仪器——中分辨率成像光谱仪，也是EOS Terra平台上唯一进行直接广播的对地观测仪器。通过MODIS可以获取0.4～14μm范围内的36个波段的高光谱数据，为开展自然灾害、生态环境监测、全球环境和气候变化以及全球变化的综合性研究提供了重要的数据源。
MODIS是搭载在terra和aqua卫星上的一个重要的传感器，是卫星上唯一将实时观测数据通过x波段向全世界直接广播，并可以免费接收数据并无偿使用的星载仪器。MODIS可获取0.4～14μm范围内的36个波段的高光谱数据，为开展生态环境研究、自然灾害监测、全球环境和气候变化等研究提供了重要的数据源。
ASTER搭载在Terra卫星上的星载热量散发和反辐射仪，是于1999年12月18日发射升空的，由日本国际贸易和工业部制造。一个日美技术合作小组负责该仪器的校准确认和数据处理。ASTER是唯一一部高分辨解析地表图像的传感器，其主要任务是通过14个频道获取整个地表的高分辨解析图像数据——黑白立体照片。ASTER能在4到16天之内对同一地区进行成像，具有重复覆盖地球表面变化区域的能力。ASTER数据特点之一是基于用户要求的观测，即根据用户提出的要求来随时随地地获取影像。ASTER的宽谱覆盖和高分辨能力给科学家们在诸如监测冰河的前进与退却，对潜在的活火山的监测，鉴别作物能力，对云层形态及物理状况的监测，湿地评估，热污染监测，珊瑚礁的退化，土壤及地质的表面温度绘图，以及测量地表的热平衡等众多学科领域提供了可供鉴定的信息。
美国宇航局（NASA）的地球轨道一号（EO-1）是美国NASA新千年计划的一部分，在2000年11月21日发射。地球观测1号卫星与LandSat-7覆盖相同的地面轨道，两颗卫星对同一地面的探测时间相差约1分钟的时间。EO-1带有三个基本的遥感系统，即高级陆地成像仪（advanced land imager，ALI），高光谱成像仪（HYPERION）以及大气校正仪（liner etalon imaging spectrometer arrey atmospheric correction，LAC）。EO-1上搭载的高光谱遥感器hyperion是新一代航天成像光谱仪的代表，也是目前唯一在轨的星载高光谱成像光谱仪以及唯一可公开获得数据的高光谱测量仪，共有242个波段，光谱范围为400～2500nm，光谱分辨率达到10nm，空间分辨率为30m。
2000年7月，美国发射的MightSat-Ⅱ卫星上搭载的傅立叶变换高光谱成像仪（fourier transform hyperspectral imager，FTHSI）是干涉成像光谱仪的成功典范。
欧洲空间局于2001年10月成功发展了基于空中自治小卫星PROBA小卫星的紧密型高分辨率成像光谱仪（CHRIS），并发射成功。CHRIS在415～1050μm的成像范围内有五种成像模式，不同的模式下其波段数目、光谱分辨率和空间分辨率不等，波段数目分别是18 ，37和62 ，光谱分辨率为5～15nm，空间分辨率为17～20m或者34～40m。CHRIS能够从五个不同的角度（观测模式）对地物进行观测，这种设计使得其能获取地物反射的方向性特征。
欧洲空间局继美国AM-1 MODIS之后于2002年3月又成功发射了Envisat卫星，这是一颗结合型大平台先进的极轨对地观测卫星。其中分辨率成像光谱仪（MERIS）为一视场角为68.5°的推扫型中分辨率成像光谱仪，其地面分辨率为300m，在可见光-近红外光谱区有15个波段，可通过程序控制选择和改变光谱段的布局。
日本继ADEOS-1之后于2002年12月发射了后继星ADEOS-2 ，其上搭载了日本宇宙开发事业团的两个遥感器（AMSR和GLI）和国际或国内合作者提供的三个遥感器（POLAR，ILAS-Ⅱ，Sea Winds）。GLI在可见光-近红外和短波红外分别有23个、6个波段，而在中红外和热红外则有7个波段。到目前为止，已发射的具有代表性的星载成像光谱仪如表1.2所示。
表1.2 国外主要星载高光谱成像仪
1.2.2.2 我国高光谱成像仪系统介绍
（1）航空高光谱成像仪
我国成像光谱仪的发展经历了从多波段扫描仪到成像光谱扫描，从光机扫描到面阵CCD探测器固态扫描的发展过程。
“八五”期间，新型模块化航空成像光谱仪（modular aero imaging spectrometer，MAIS）的研制成功标志着我国的航空成像光谱仪技术和应用取得了重大突破。此后我国自行研制的推扫型成像光谱仪（PHI）和实用型模块成像光谱仪系统（OMIS）在世界航空成像光谱仪大家庭里占据了重要的地位。
（2）航天高光谱成像仪
我国于2002年3月发射的神舟3号无人飞船中就搭载了一个中分辨率的成像光谱仪（CMODIS），该仪器共有34个波段，波长范围在0.4～12.5μm。此外，环境减灾卫星搭载了115个波段的高光谱遥感器。“风云-3”气象卫星搭载的中分辨率成像光谱仪具有20个波段，成像范围包括可见光、近红外、中红外和热红外；“嫦娥一号”卫星搭载了我国自行研制的干涉成像光谱仪来探测月球物质。
1.2.3 高光谱遥感成像特点与数据表达
高光谱成像获取的图像包含了丰富的空间、辐射和光谱三重信息。其主要特点是将传统的图像维与光谱维信息融合为一体，在获取地表空间图像的同时，得到每个地物的连续光谱信息。高光谱数据是一个光谱图像的立方体，它由空间图像维、光谱维（从高光谱图像的每一个像元中可以获得一个“连续”的光谱曲线）和特征空间维（高光谱图像提供的是一个超维特征空间，挖掘高光谱信息需要深切了解地物在高光谱数据形成的N维特征空间中分布的特点与行为）。
1.2.4 高光谱遥感的主要应用领域
由于高光谱遥感能提供更多的精细光谱信息，有些学者将高光谱遥感的研究从最开始的矿物识别扩展到了水体、植被与生态、环境资源勘探等方面，但目前主要集中在地质、植被和水环境等研究领域。
1.2.4.1 在植被监测中的应用
高光谱遥感由于其具有超高的光谱分辨率，为植被参数估算与分析，植被长势监测及估产等方面提供了有力的支撑。
1）植物的“红边”效应：“红边（REP）”是绿色植物叶子光谱曲线在680～740nm之间变化率最快的点，也是一阶导数光谱在该区间内的拐点。“红边”是植物光谱曲线最典型的特征，能很好地描述植物的健康及色素状态。当“红边”向红外方向移动时，一般可以判定绿色植物叶绿素含量高、生长活力旺盛；相反，当“红边”向蓝光方向移动时，一般可能是植物处于缺水等原因造成叶片枯黄等不健康状态。当植物覆盖度增大时“红边”的斜率会变陡。
2）植被指数：植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况，是利用遥感光谱数据监测地面植物生长和分布、定性、定量评估植被的一种有效方法。根据不同的研究目的，人们已经提出了几十种植被指数，如比值植被指数RVI，归一化植被指数NDVI，差值环境植被指数DVIEVI，垂直植被指数PVI，土壤调整植被指数SAVI等。
1.2.4.2 在农业中的应用
高光谱遥感在农业中的应用，主要表现在快速、精确地进行作物生长信息的提取、作物长势监测、估算植被（作物）初级生产力与生物量、估算光能利用率和蒸散量及作物品质遥感监测预报，从而相应调整物资的投入量，达到减少浪费，增加产量，改善品质，保护农业资源和环境质量的目的。使用高光谱遥感数据估计作物的农学参数主要有两类方法：一是通过多元回归方法建立光谱数据或由此衍生的植被指数与作物农学参数之间的关系；二是通过作物的红边参数来估计作物的物候性状及其农学参数。
1.2.4.3 在大气和环境方面的应用
高光谱遥感凭借其超高的光谱分辨率可以识别出宽波段遥感无法识别的因大气成分变化而引起的光谱差异，使人们利用高光谱遥感对周围的生态环境情况进行定量分析成为可能。利用高光谱技术可以探测到污染地区的化学物质异样，从而确定污染区域及污染原因；高光谱图像也可用来探测危险环境因素，例如，精确识别危险废矿物，编制特殊蚀变矿物分布图，评价野火的危险等级，识别和探测燃烧区域等。
1.2.4.4 在地质方面的应用
地质矿产调查是高光谱遥感应用中最成功的一个领域。各种矿物和岩石在电磁波谱上显示的诊断性光谱特征可以帮助人们识别不同矿物成分。在地质方面主要利用其探测岩石和矿物的吸收、反射等诊断性特征，从而进行岩石矿物的分类、填图和矿产勘查。
1.2.4.5 在军事上的应用
由于高光谱影像具有丰富的地面信息，可用于精确识别地物种类，在军事侦察、识别伪装方面得到了成功的应用。美国海军设计的超光谱成像仪可在0.4μm～2.5μm光谱范围内提供210 个成像光谱数据，可获得近海环境目标的动态特征，例如海水的透明度、海洋深度、海洋大气能见度、海流、潮汐、海底类型、生物发光、海滩特征、水下危险物、油泄露、大气中水汽总量和次见度卷云等成像数据，对近海作战有十分重要的支撑意义。
遗传算法是一种计算机科学中的优化算法，用于在搜索空间中找到最佳解决方案。关于将遗传算法应用于图像匹配的论文，有一篇具有里程碑意义的经典论文是由J.H. Holland和他的同事提出的。该论文题目为"Adaptation in Natural and Artificial Systems"，是由J.H. Holland在1975年发表于美国国家科学院学报上的。这篇论文介绍了遗传算法的基本思想，并提出了将遗传算法应用于图像匹配问题的方法。具体而言，Holland等人提出了一种基于遗传算法的图像匹配算法，该算法使用基因编码表示图像特征，通过进化运算（如选择、交叉、变异等）来搜索最优匹配。这是遗传算法在图像匹配问题上的第一个应用，为后续研究提供了重要的启示。需要注意的是，虽然该论文并没有直接提到图像匹配这个术语，但它为后来的图像匹配问题提供了基础和思路，被认为是遗传算法应用于图像匹配问题的奠基之作。
随着现代化科学技术的快速发展，计算机图形图像处理技术也越来越成熟，为人们的生活、工作和学习提供了极大的便利。然而我们该如何写有关计算机图形图像处理的论文呢?下面是我给大家推荐的计算机图形图像处理相关的论文，希望大家喜欢!
《计算机图形图像处理技术分析》
摘 要：随着现代化科学技术的快速发展，计算机图形图像处理技术也越来越成熟，Photoshop、CAE、CAD等计算机图形图像处理软件被广泛的应用在各个领域，为人们的生活、工作和学习提供了极大的便利。在未来的发展过程中，要不断改进和完善计算机图形图像处理技术，推动计算机图形图像处理技术更加广泛的应用和发展。本文简要介绍了计算机图形图像处理技术，阐述了计算机图形图像处理技术的应用。
关键词：计算机;图形图像;处理技术
中图分类号：TP391.41
计算机图形图像技术以计算机网络系统为平台，实现了人们主观意识中图像和真实存在的图形之间的相互结合，各种各样的计算机图形图像处理软件，为人们的主观处理和操作提供了很多的便利，随着现代化科学技术的快速发展，计算机图形图像处理技术的应用前景会更加广阔。
1 计算机图形图像处理技术概述
1.1 基本含义
计算机图形图像处理技术是指通过几何模型和数据将描述性的形象或者概念在计算机系统软件中进行存储、定稿、优化、修改和显现。计算机图形图像处理技术可以用来设计图形的色彩、做纹理和明暗的贴图处理、对图像进行建模设计和造型、消除图像隐线和隐面、对图形曲线和曲面进行拟合操作、数字化的图像存储、图像分割、分析、编码、增强、复原等操作[1]，以及对图像进行形式转换，如投影、缩放、旋转、平移等几何形式。
1.2 基本组成
计算机图形图像处理技术的基本组成主要包括计算机硬件设备和计算机图形图像处理软件。计算机硬件设备性能的好坏对于计算机图形图像处理效果有着直接的影响，计算机图形图像处理软件将终端的显示和计算机结合在一起，由于计算机图形图像处理技术自身具有设计、存储、修改等功能，可以迅速整合图片数据，不仅可以保障计算机图形图像的处理效果，也可以有效地提高计算机中央处理器和计算机图形图像处理软件的运行效果。键盘和鼠标作为终端的输入设备，可以完成对图形的修改和定位，并且利用显示器、绘图仪、打印机等显示设备和输出设备，可以完整的保存计算机图片。
1.3 基本功能
计算机图形图像处理技术主要具有五个基本功能：对话、输入、输出、存储和计算。对话功能是指利用通讯交互设备和计算机显示器实现人机交流。输入和输出功能是指计算机图形图像处理软件可以随时输入和输出相关的图形图像。存数功能是指实时监控计算机的图形图像数据进行有效的检索和维护。计算功能是指计算机图形图像处理软件对相关的图形图像进行必要的数据交换和计算分析。
1.4 计算机图形图像处理技术的运行环境
计算机图形图像处理技术的硬件配置主要包括工作站和微型机，软件配置就是建立在工作站和微型机上的运行软件。计算机图形图像处理技术的工作站软件主要有TDI和Alias两种，工作站的软件主要负责处理计算机工作站中的各种图形图像处理。微型机上的计算机图形图像处理软件主要包括3DStudio、Winimage：morph和Photoshop等，3DStudio是微型机上的一种最主要的图形图像处理软件，被广泛的应用在多个计算机系统中;Winimage：morph是一种常用的二维图形图像处理软件，可以将一个图形或者图像制作成另外一个图形或者图像;Photoshop是一个非常专业的图形图像处理软件，其支持图形图像资料的分色制版，给人们进行图形图像处理带来很多的便利。
2 计算机图形图像处理技术的应用
2.1 用户接口
人们利用计算机系统的用户接口来操作多种计算机软件，计算机图形图像处理技术和用户接口的有效结合，借助于计算机操作系统构建友好的人机交互用户图形界面，极大地提高了计算机图形图像处理的简便性和易用性。近年来，微软公司普及和推广的图像化windows系统，充分发挥了计算机图形图像处理技术和用户接口全面融合的重要作用。
2.2 动画与艺术
随着计算机科学技术的快速发展，计算机硬件设备和计算机图形学也在蓬勃发展，静态的图形图像已经很难再满足人们对高质量、优质的、动态的图形图像的巨大需求，因此近年来，计算机动画技术蓬勃发展，特别是一些美术设计人员，多是依靠计算机图形图像处理软件来进行艺术创作。计算机图形图像处理技术的快速发展，同时推动了艺术设计技术的应用和开发，例如，3DS Studio Max三维设计软件和Photoshop二维平面设计软件[2]。
2.3 可视化科学计算
近年来，我国社会主义市场经济快速发展，各个领域的信息通信越来越频繁，计算机网络技术的广泛应用和普及，使得计算机系统数据库中的信息量日益庞大，计算机数据处理和分析技术面临着严峻的考验。相关的技术操作人员利用计算机数据处理和分析软件，很难准确、快速地从计算机的数据库系统中检索出需要的信息数据，难以总结出数据信息的共性和特征。通过将计算机数据处理技术和计算机图形图像处理技术有效的结合起来，可以通过计算机图形图像技术将大量的复杂结构的信息数据进行归类，操作人员通过计算机数据处理软件可以对有共性特征和本质特征的数据信息进行快速检索，极大地提高了计算机数据处理和分析的效率。可视化的科学计算技术最早出现在美国的科学协会研讨中，目前，可视化的科学计算技术被广泛的应用在气象分析、流体力学、医学等领域中[3]，特别是在医学领域，利用可视化的科学计算技术可以实现高精度的远程控制和操作，可以应用在远程的脑部手术中，突破医学难题。在未来的发展过程中，可视化的科学计算技术将会在更多的领域发挥更加重要的作用。
2.4 工业制造和设计
目前，计算机图形图像处理技术在工业制造和设计领域应用的最为广泛，特别是二维三维CAD和CAE等计算机图形图像处理软件，不仅在工业生产的产品制造和产品设计过程中，还有土木工程领域，甚至是集成电路、网络分析和电子线路等电子电工领域都有着广泛的应用。在高精度的工业制造和设计领域中，利用计算机图形图像处理软件，可以在很短的时间内完成高精度的图形图像设计和画图，极大地提高了技术人员的工作效率，同时，标准的计算机图形图像处理程序，提高了工业制造和设计的精确度，有效地降低了设计误差。由于工业产品多是批量化的制造和生产，利用计算机图形图像处理技术，可以极大地提高企业批量化的运行效率和生产质量，降低工业产品的质量检测投入成本，为工业企业带来了更大的经济效益。
3 结束语
计算机图形图像处理技术的广泛应用和快速发展，推动了多个领域的技术革新，充分发挥人们的想象和创造力，创造出很多独特新奇的图形图像效果，丰富人们的日常生活，同时也为企业节约了很多的图形图像处理成本，提高了产品竞争力。在未来的发展过程中，计算机图形图像处理技术的应用前景会更加广阔。
参考文献：
[1]韩晓颖.浅谈计算机图形图像处理技术[J].福建电脑，2011(10)：83-84.
[2]和晓娟.计算机图形图像处理技术的探讨[J].信息与电脑(理论版)，2013(11)：164-165.
[3]王应荣，王静漪.计算机图形图像处理技术[J].天津理工学院学报，2012(03)：6-10.
作者简介：刘倩(1981-)，女，满族，硕士，讲师，研究方向：图形图像处理与多媒体技术。
作者单位：宁夏大学 数学计算机学院，银川 750001
遗传算法在图像匹配领域的应用早在1992年就有人提出。以下是其中一篇较早的论文："Genetic algorithms applied to image matching using corner feature detectors"，作者为R. Everson和S. Roberts，发表在1992年的遗传算法国际会议上。这篇论文提出了一种使用遗传算法进行图像匹配的方法，其中使用Harris角检测器（一种角点检测算法）来检测两幅图像中的角点，并使用遗传算法来匹配它们。该论文的方法是基于一组相似性度量来进行图像匹配的，其中包括了基于角点距离的相似性度量以及其他一些度量。使用遗传算法来寻找最优的匹配是一种较为有效的方法，因为可以使用遗传算法来搜索解空间并找到最优解。此后，这种方法被广泛应用于图像匹配和其他领域，为遗传算法在计算机视觉领域的应用奠定了基础。
这个方向的处理是要想发论文，需要有一些技术手段的考量。所以写的时候一定要有一定的准确度，方向性要明确，才可以在这个方面写出优秀的论文。
哎血泪教训一定要根据课题组现有基础和可以提供的平台决定，比如你师兄师姐在做什么，组里是否有GPU硬件和数据支持等。如果组里有传承是最好不过了，师兄师姐做过或在做的东西你选择的肯定不会错的，毕竟有人带头和指导～ 如果组里这两个方向都有人在做的话，建议和他们当面聊哈哈哈，利弊你自然就知道啦
数据科学专业的表示NLP需要的训练集太大了，也不好找。只能拿预训练模型针对特殊应用做二次开发，而且对硬件要求很高。图像/视频较NLP来说开放的训练集也好找，而且主题也很多，而且你自己编一个好实现又很实际的商用需求就比较好结题。
图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。我整理了图像分割技术论文，欢迎阅读!
图像分割技术研究
摘要：图像分割是图像处理与计算机视觉的基本问题之一，是图像处理图像分析的关键步骤。本文介绍了基于阈值的分割方法和图像分割的图像分割性能的评价、应用现状;最后总结出图像分割的发展趋势。
关键词：图像分割、阈值、边缘检测、区域分割
中图分类号： TN957.52 文献标识码： A
1引言
随着图像分割技术研究的深入，其应用日趋广泛。凡属需要对图像目标进行提取、测量的工作都离不开图像分割。图像分割是图像处理、模式识别和人工智能等多个领域中一个十分重要且又十分困难的问题，是计算机视觉技术中首要的、重要的关键步骤。图像分割结果的好坏直接影响对计算机视觉中的图像理解。现有的方法多是为特定应用设计的，有很大的针对性和局限性，到目前为止还不存在一个通用的方法，也不存在一个判断分割是否成功的客观标准。因此，对图像分割的研究目前还缺乏一个统一的理论体系，使得图像分割的研究仍然是一个极富有挑战性的课题。
2图像分割方法
图像分割(Image Segmentation)，简单地说就是将一幅数字图像分割成不同的区域，在同一区域内具有在一定的准则下可认为是相同的性质，如灰度、颜色、纹理等。而任何相邻区域之间其性质具有明显的区别。
2.1基于灰度特征的阈值分割方法
阈值分割技术是经典的、流行的图象分割方法之一，它是用一个或几个阈值将图像的灰度级分为几个部分，认为属于同一个部分的像素是同一个物体。
这类方法主要包括以下几种：
(1)单阈值法，用一个全局阈值区分背景和目标。当一幅图像的直方图具有明显的双峰时，选择两峰之间的谷底作为阈值。
(2)双阈值法，用两个阈值区分背景和目标。通过设置两个阈值，以防单阈值设置阈值过高或过低，把目标像素误归为背景像素，或把背景像素误归为目标像素。
(3)多阈值法，当存在照明不均，突发噪声等因素或背景灰度变化较大时，整幅图像不存在合适的单一阈值，单一阈值不能兼顾图像不同区域的具体情况，这时可将图像分块处理，对每一块设一个阈值。
2.2 边缘检测分割法
基于边缘检测技术可以按照处理的顺序分为并行边缘检测和串行边缘检测两大类。常见的边缘检测方法有：差分法、模板匹配法及统计方法等。由于边缘灰度变化规律一般体现为阶梯状或者脉冲状。边缘与差分值的关系可以归纳为两种情况，其一是边缘发生在差分最大值或者最小值处;其二是边缘发生在过零处。
2.3基于区域的分割方法
基于区域的分割方法利用的是图像的空间性质。该方法认为分割出来的某一区域具有相似的性质。常用的方法有区域生长法和区域分裂合并法。该类方法对含有复杂场景或自然景物等先验知识不足的图像进行分割，效果较好。
区域生长方法是把一幅图像分成许多小区域开始的，这些初始的小区域可能是小的邻域甚至是单个像素，在每个区域中，通过计算能反映一个物体内像素一致性的特征，作为区域合并的判断标准。区域合并的第一步是赋给每个区域一组参数，即特征。接下来对相邻区域的所有边界进行考查，如果给定边界两侧的特征值差异明显，那么这个边界很强，反之则弱。强边界允许继续存在，而弱边界被消除，相邻区域被合并。没有可以消除的弱边界时，区域合并过程结束，图像分割也就完成。
2.4结合特定工具的图像分割技术
20世纪80年代末以来，随着一些特殊理论的出现及其成熟，如数学形态学、分形理论、模糊数学、小波分析、模式识别、遗传算法等，大量学者致力于将新的概念、新的方法用于图像分割，有效地改善了分割效果。产生了不少新的分割算法。下面对这些算法做一些简单的概括。
2.4.1基于数学形态学的分割算法
分水岭算法是一种经典的借鉴了数学形态理论的分割方法。该方法中，将一幅图像比为一个具有不同高度值的地形，高灰度值处被认为是山脊，底灰度值处被认为是山谷，将一滴水从任一点流下，它会朝地势底的地方流动，最终聚于某一局部最底点，最后所有的水滴会分聚在不同的吸引盆地，由此，相应的图像就被分割成若干部分。分水岭算法具有运算简单、性能优良，能够较好提取运动对象轮廓、准确得到运动物体边缘的优点。但分割时需要梯度信息，对噪声较敏感。
2.4.2基于模糊数学的分割算法
目前，模糊技术在图像分割中应用的一个显著特点就是它能和现有的许多图像分割方法相结合，形成一系列的集成模糊分割技术，例如模糊聚类、模糊阈值、模糊边缘检测技术等。
这类方法主要有广义模糊算子与模糊阈值法两种分割算法。
(1)广义模糊算子在广义模糊集合的范围内对图像处理，使真正的边缘处于较低灰度级，但还有一些不是边缘的像素点的灰度也在较低灰度级中，虽然算法的计算简明，且边缘细腻，但得到的边缘图会出现断线问题。
(2)模糊阈值法引入灰度图像的模糊数学描述，通过计算图像的模糊熵来选取图像的分割阈值，后用阈值法处理图像得到边界。
2.4.3基于遗传算法的分割方法
此算法是受生物进化论思想提出的一种优化问题的解决方法，它使用参数编码集而不是参数本身，通过模拟进化，以适者生存的策略搜索函数的解空间，它是在点群中而不是在单点进行寻优。遗传算法在求解过程中使用随机转换规则而不是确定性规则来工作，它唯一需要的信息是适应值，通过对群体进行简单的复制、杂交、变异作用完成搜索过程。由于此法能进行能量函数全局最小优化搜索，且可以降低搜索空间维数，降低算法对模板初始位置的敏感，计算时间也大为减少。其缺点是容易收敛于局部最优。
2.4.4基于神经网络分割算法
人工神经网络具有自组织、自学习、自适应的性能和非常强的非线性映射能力，适合解决背景知识不清楚、推理规则不明确和比较复杂的分类问题，因而也适合解决比较复杂的图像分割问题。原则上讲，大部分分割方法都可用 ANN(attificial neural network)实现。ANN 用于分割的研究起步较晚，只有多层前馈NN，多层误差反传(BP)NN，自组织NN，Hopfield NN以及满足约束的NN(CSNN-Const raint Satisfaction Neurat Network)等得到了应用。使用一个多层前向神经网络用于图象分割，输入层神经元的数目取决于输入特征数，而输出层神经元的数目等同于分类的数目。
2.5图像分割中的其他方法
前面介绍了4大类图像分割较常用的方法，有关图像分割方法和文献很多，新方法不断产生，这些方法有的只对特定的情形有效，有的综合了几种方法，放在一起统称为第5类。
(1)标号法(labeling)是一种基于统计学的方法，这种方法将图像欲分割成的几个区域各以一个不同的标号来表示，用一定的方式对图像中的每一个像素赋以标号，标号相同的像素就合并成该标号所代表的区域。
(2)基于Snak模型的分割方法，基于Snake模型的分割是通过对能量函数的动态优化来逼近图像目标的真实轮廓的
(3)纹理分割，由于新的数学工具的引入，纹理分割技术取得了一些进展，张蓬等人将小波分析应用于纹理基元提取。
(4)基于知识的图像分割方法，直接建立在先验知识的基础上，使分割更符合实际图像的特点。该方法的难度在于知识的正确合理的表示与利用。
3图像分割性能的评价
图像分割评价主要有两个方面的内容：一是研究各分割算法在不同情况下的表现，掌握如何选择和控制其参数设置，以适应不同需要。二是分析多个分割算法在分割同一图像时的性能，比较优劣，以便在实际应用中选取合适的算法。分割评价方法分为分析法和实验法两大类。分析法是直接分析分割算法本身的原理及性能，而实验法是通过对测试图像的分割结果来评价算法的。两种方法各有优劣，由于缺乏可靠理论依据，并非所有分割算法都能够通过分析法分析其性能。每种评价方法都是出于某种考虑而提出来的，不同的评价方法只能反映分割算法性能的某一性能。另一方面，每一种分割算法的性能是由多种因素决定的，因此，有可能需要多种准则来综合评价。
4图像分割技术的发展趋势
随着神经网络、遗传算法、统计学理论、小波理论以及分形理论等在图像分割中的广泛应用，图像分割技术呈现出以下的发展趋势：(1)多种特征的融合。(2)多种分割方法的结合。(3)新理论与新方法。
参考文献
[1] [美]RC冈萨雷斯.数字图像处理(第二版)[M].阮秋琦，等译.北京：电子工业出版社，2003
[2] 章毓晋.图像分割[M].北京：科学出版社，2001.
[3] 李弼程，彭天强，彭波等.智能图像处理技术[M].北京：电子工业出版社，2004.
[4] 杨晖，曲秀杰.图像分割方法综述[J].电脑开发与应用。2005，18(3)：21-23.
点击下页还有更多>>>图像分割技术论文
你要想从事这个研究方向，最好读到博士。去企业，可以做些条码识别，中文手写识别这样的软件，现在这种软件竞争比较激烈。也可以做视频监控，做这个的公司大部分也都没长大。你编程要好，就没问题，微软研究院也可以去。你要是不想干太累，那就去航天或者兵工背景的单位。去这种地方，当然还是博士要好一点了。如果你想出国，那就没什么可犹豫的，这个专业很适合出国。
Computer-Aided Design《计算机辅助设计》英国ISSN: 0010-4485, 1968年创刊，全年14期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子1.173，2005年EI收录122篇。主要发表计算机辅助设计开发和应用方面的论文和评论，涉及机械制造、土木工程、建筑营造、电子工程、化学工程、海洋工程、模拟、数控、几何制图等方面。兼载会议报告和书评。Computers and Electronics in Agriculture《农用计算机与电子设备》荷兰ISSN: 0168-1699, 1986年创刊，全年12期，Elsevier Science出版社，SCI、EI收录期刊，浙江工业大学图书馆信息咨询部编 Elsevier Science 出版社期刊投稿指南 42SCI 2005年影响因子0.802，2005年EI收录83篇。刊载计算机及电子仪器与控制设备在农业（包括园艺、林业、畜牧业）研究、开发及生产中应用方面的论文和札记。Cryogenics《低温学》英国ISSN: 0011-2275, 1960年创刊，全年12期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子0.762，2005年EI收录97篇。刊载低温工程学和低温物理学，包括应用超导电性、低温电子学等方面的原始研究论文和研究进展评论。兼载技术札记、会议报告、书评和消息报道。Displays《显示》英国ISSN:0141-9382，1979年创刊，全年4期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子0.947，2005年EI收录27篇。刊载电子显示技术及其应用方面的论文、浙江工业大学图书馆信息咨询部编 Elsevier Science 出版社期刊投稿指南 50评论、书评和技术札记，介绍显示技术的最新研究发展和利用实况，报道新进展、新产品以及会议消息。Image and Vision Computing《图像与视觉计算》荷兰ISSN:0262-8856，1983年创刊，全年14期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子1.383，2005年EI收录107篇。刊载对电视摄像、X射线装置、电子显微镜、超声传感等图像的判读、分析和处理方面的研究论文，涉及机器人遥控、资源遥测、生产监控、音像播送以及在医学、冶金学、天文学方面的应用等。Materials Today《当今材料》英国ISSN:1369-7021，1998年创刊，全年6期，Elsevier Science出版社，EI收录期刊，2005年EI收录102篇。发表当今材料科学研究的新闻、评论、通信、热点报道文章和相关政策，涉及材料化学、电子与光电子材料、高分子与新结构材料等。Mechatronics《机械电子学》英国ISSN:0957-4158，1991年创刊，全年10期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子0.679，2005年EI收录65篇。刊载研究机械电子学原理及其应用问题的论文。Microelectronic Engineering《微电子工程》荷兰ISSN:0167-9317，1983年创刊，全年20期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子1.347，2005年EI收录446篇。刊载与微电子元件生产、加工、检测有关的原材料、方法、工艺及设计方面新进展的论文和报告。Microelectronics Journal《微电子学杂志》英国ISSN:0026-2692，1970年创刊，全年12期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子0.350，2005年EI收录232篇。刊载固体电子器件及材料的设计、生产、测试和应用等方面的研究论文及文摘。Microelectronics Reliability《微电子学可靠性》英国ISSN:0026-2714，1961年创刊，全年11期，Elsevier Science出版社，SCI、EI收录期刊，浙江工业大学图书馆信息咨询部编 Elsevier Science 出版社期刊投稿指南 129SCI 2005年影响因子0.724，2005年EI收录286篇。刊载可靠性理论和应用微型电子系统的设计、制造、工艺和试验等方面的研究论文。Sensors and Actuators A: Physical《传感器与执行机构，A辑：物理传感器》瑞士ISSN:0924-4247，1980年创刊，全年24期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子1.363，2005年EI收录449篇。刊载物理传感器的相关结构、电子接口、传感系统、材料及技术等方面的原始论文及特邀评论。Solid-State Electronics《固体电子学》英国ISSN:0038-1101，1960年创刊，全年12期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子1.247，2005年EI收录305篇。刊载应用固体物理学研究论文，涉及晶体管理论与设计、晶体生长与处理、电子器件加工工艺、固体电池、铁氧体等。Telematics and Informatics《远距通信与信息学》英国ISSN:0736-5853，1984年创刊，全年4期，Elsevier Science出版社，EI收录期刊，2005年EI收录24篇。刊载远距通信和信息科学在商业、工业、政府、教育等领域应用的研究论文与评论，涉及电子学、计算机图像处理、语言合成、声音识别、卫星电视、人工智能等方面的技术问题。Transportation Research Part C: Emerging Technologies《运输研究C部分：新兴技术》英国ISSN:0968-090X，1993年创刊，全年6期，Elsevier Science出版社，SCI、EI收录期刊，SCI 2005年影响因子0.651，2005年EI收录24篇。刊载工程、计算机科学、电子学、控制系统和电信等领域新兴技术在运输系统的规划、设计、运行、控制、管理、保养和优化中的应用与开发方面的研究论文。
你要想从事这个研究方向，最好读到博士。