去雾去雨发表论文难度

基本上SCI二区以上的论文发上3-6篇就能在一所普通211高校破格评选副教授了。二区以上发上5-8篇就能破格评选教授了。而有的人从讲师到教授估计要二十到三十年时间，基本上十五年左右都算正常速度。十五年专职搞科研，可能就发了五六篇SCI，很难吧？至于良莠不齐的问题，因为SCI也分一、二、三区.

我发过两篇一区的sci论文.第一篇花了大概两年时间，中间拒稿一次。拒稿意见是编辑作出的，但是当时三个审稿专家都觉得这个idea非常的Interesting的，不过工作量显得比较小，因为我当时只算了一维的问题。所以我比较厚脸皮地向编辑提出了申诉意见，认为既然专家认为这个想法比较的有意思，问题在于工作量比较小的话，就不应该是拒稿，而应该是大修。当时主编接受了我的申诉，让我重新做二维的结果之后重新投一次，因为第一次的审稿流程已经结束了不能更改。增加二维的结果之后，重新投稿，换了一个编辑，又大修四次，最后才录用。大修的主要意见是认为我的算法相对于前人没有明显的改进，只做到了内存消耗降低了20~30%左右、CPU计算时间的加速比1.8倍左右的程度。在评审专家的要求下，仔细去查找了加速比达不到理想的效果的原因。找到原因之后，做到了大概一个五倍左右加速比，内存消耗经过仔细的程序设计降低40%左右。最终才录用了。第二篇文章的录用相对来说，就比较顺利一些。因为我最开始投稿的结果就已经达到了将计算时间减小了一个量级的效果，就是原来需要20秒左右的话，我的算法只需要两三秒钟。然后经过大修两次之后录用。只花了大概十个月左右的时间。所以我觉得中不中的难度主要的取决于自己工作是不是确实对于学科的发展有一个很明显的意义，或者相对于前人的结果有一个很明显的进步。（学术堂提供更多论文知识）

发表SCI论文不仅要求科研搞得好，而且必须还得有一个好的英语功底，在国内是最不容易发表的期刊。

SCI论文本身来说，我国科研工作者大多面临英语能力匮乏的缺陷，尤其对于年龄大和专业性强的科技工作者来说，内容不是问题，英语往往成为了制约的瓶颈。

SCI论文对我国大部分科技工作者来说依然是神秘的，难于发表的，正基于此，大部分科研机构、高校等单位引入作为评价标准，这也是有失公正，虽然缺少人为干预的评价标准，但科研工作者在工作的同时，不得不将精力浪费在于SCI论文的写作与发表；

虽然使得我国科研可与国际接轨，培养我国科技工作者运用SCI官网进行现有论文和科技成果的查询与搜索的习惯，但制约了我国的科技水准，使科研人员不得不分出一部分精力用在外语上，使大量优秀研究成果流入英文期刊，破坏了中文期刊的发展，降低了中文在科技领域的“币值”。

扩展资料：

SCI选录刊物的依据是文献分析法，即美国情报学家加费尔德提出的科学引文分析法。该分析法以期刊论文被引用的频次作为评价指标，被引频次越高，则该期刊影响越大。

在一定时期（通常是前两年）内，某一刊物发表的论文，被已经进入SCI刊物的论文所引用的总次数，除以该刊物这一时期内的论文总数，即为该刊物的影响因子。一般来说每一年的6月份公布影响因子，影响因子并不是该年度，而是上一年度的影响因子！

具体看文章，综合类的医学期刊适合刊发各学科稿件，专科类的期刊只能刊发本专业的稿件。核心一般都是比较有难度的，不贵只要放轻松点都是没事会度过的。感觉自己选择有困难的话，品 优刊的编辑的介绍或许更加直接、快捷一些。

《广东医学》这些都不错啊。我去年弄了，要提前准备哦核心的，找了这个帮忙他QQ是935990，信誉不错吧。主要看你是什么专业。你去看看吧。以下看有没有适合你的咯中国基层医药 科技核心，中国妇幼保健 核心刊 实用医学 北大核心， 中国内镜杂志 北大核心， 中国医师进修杂志 科技核心， 中国实用护理杂志 北大核心， 中国初级卫生保健 国家级， 江西中医药 新中医 北大核心， 中医药管理杂志 中国现代医学杂志 北大核心 山东医药 北大核心 中国中医药科技 浙江一级，国家级 中华中医药学刊 浙江一级 中国职业医学 科技核心 眼科研究 北大核心 医学影像学杂志 科技核心 南京医科大学学报 北大核心 中国全科医学 北大核心 中国现代应用药学 北大核心 中国实用妇科与产科杂志 北大核心 中国药房 北大核心 天津中医药 现代实用医学 中国医师杂志 第四军医大学学报 肠外与肠内营养 中华胃肠外科杂志 中国普通外科杂志 北大核心 华西医学 科技核心 护理学报 北大核心

这是何凯明在博士期间发表的一篇经典的图像去雾算法的文章。这篇文章中他通过观察提出了一种暗通道算法（Dark Channel Prior），简单来说就在一张正常图像中，除了天空区域，在图像的每个小块（patch）中一定有一些像素点至少有一个通道的值是非常小的，基于这个先验条件，何凯明团队使用了一种简单有效的办法来进行图像去雾。 下面的公式为经典的去雾模型，其中 指获取得到的图片亮度， 是去雾后恢复的图像， 指透射率， 是指大气的光成分（即雾成分）。这个公式还是很容易直观的理解，因为透射率可以在一定程度上代表损失率。 为大气散射系数， 为景深。由于在统计意义上，一个patch中总有几个像素的至少一个通道是很暗的，此时的 趋近于0，于是在一个patch中有如下公式成立： 这样我们就可以算出t的近似值了。同时，当patch为天空时，大气光 和真实图像光 十分相近，于是t的近似值趋向于0。 获得了反射率t以后，下一步便是对图像进行soft matting获得轮廓特征，这样可以将透射率t精细化。 这样我们就获得了精细化后的透射率t值。对于有雾区域，我们可以根据下面的公式进行去雾，其中我们对t设定了一个最低的阈值。 最终的公式如下：在这篇文章中，作者提出了用神经网络方法对反射率t进行训练并预测，网络结构如下： 首先用CNN接maxout抽取图像特征，再接几个平行的multi-scale mapping，然后进行池化，经过BReLU激活函数得到最终的反射率t BReLU如图b所示，因为rgb具有上界和下界，如果不进行截断可能会越界。

（1）大学生发表论文，大多du数并无必要，所以不是难不难的问他，而有无必要的问题。