发布时间：
函数图像的教学研究论文
摘要： 数形结合的思想是数学中一种重要的思想方法，而在函数的教学中把刻画数量关系的数和具体直观的图形有机结合，用代数的语言揭示几何要素及其关系，同时将几何问题转化为代数问题，扬数之长，取数之优，使抽象思维与形象思维珠联璧合，不但可以提高学生对图形世界的直观感知而且可以使学生更好地理解函数，更加快捷准确的求解答案。
关键词： 函数图像 研究
从以往的教学经验来看，学习函数这部分内容要求学生进行数与形相结合的运算，即要求使符号语言、图形语言结合起来，使抽象思维和形象思维结合起来。学生会遇到很多需要“数”与“形”并举或转换的情形。因此，函数的学习是困扰很多学生的难点。作为教师，我们面临的突出问题是：如何在教学中针对学生的思维特点，制定有效的教学策略高质量地完成函数教学任务。笔者从一个数学教师的角度出发浅谈一下自己对函数教学方面的研究以及心得体会。
1加强学生对函数概念的理解
初中课本上运用“变量说”将函数描述为：设在一个变化过程中有两个变量x与y，如果变量y随着x的变化而变化，并对于x在某个变化范围内的每一个值，按照某个对应规则，都有唯一确定的y值和它对应，那么y就是x的函数，x称为自变量，x的取值范围称为函数的定义域，和x的值对应的y值称为函数值，函数值的全体称为函数的值域。高中阶段，运用“对应说”函数被定义为：设A，B是两个非空的数集，如果按某种对应法则f对于集合A中的每一个元素x，在集合B中都有唯一的元素y和它对应，这样的对应叫做从A到B的一个函数记作：y=f（x），x∈A。
以上两种函数的定义，各有各的不同特点。“变量说”是最朴素、最根本的，便于和实际相结合，初学者更容易接受。“对应说”抽象化的`程度较高，对于研究函数的精细性质具有一定的优势。适合在高中阶段介绍给学生。
讲述函数概念时，我们需要注意以下细节问题。
1。1实现由静到动的转变
学生由于长期在常量范围内计算、思维，因此以为变量一直是变，常量永远是不变。在引入函数概念之前，需要完成从常量到变量的转变，这是函数教学的一个重点。
例如“一架飞机每小时飞行1000千米，问5小时此架飞机飞行的距离是多少？”小学生只能给出正确的答案，但很少能够注意到路程S和时间t的关系。对于初中生我们要能引导他得出S=1000t的函数公式。在高中的实际教学中，我们可以把S表示为数轴上的一个定点，而把t看成是一个动点。取自变量t的一系列特定值，列出相应的另一个变量S（t）的对应值，在坐标系上描绘出这些点，这样会使学生能够比较容易地感受到变量的真实意义。
1。2突出变量之间的依赖关系
自变量和因变量之间的依赖关系是函数。通常表示为y=f（x），f表示x和y之间的对应关系。对于定义域内的任意一个x，通过对应关系f，对应唯一的一个y值。我们可以例举生活中的例子，让学生找出自变量x，然后再找出依赖此变量x的变化而变化的因变量y，最后设法找出它们之间的对应关系。从实际事例中寻找函数关系，构造事物变化过程中的具体函数关系，有利于加强学生对函数的理解。
2加强学生对函数图像的应用
在函数的教学中，我们不但要让学生深刻的理解函数的概念。还要不断帮助学生归纳各种初等函数的图形性质，并且教会学生快速画出初等函数的图形，这样在其今后的解题中将会发挥重大的作用。函数一般分为一次函数、二次函数、指数函数、对数函数和幂函数，下面以二次函数为例，来谈一下函数教学的研究体会。
在教学中，我们要引导学生对函数的图像特征进行归纳总结。可以先介绍特殊的二次函数的表达式y=ax2（a≠0），通过赋予x特殊的数值来对其图像进行描绘，进而归纳图像特征：图像形状为抛物线；顶点为原点；对称轴为y轴；a决定其开口方向，a>0时开口向上，a<0时开口向下。进而通过将y=ax2（a≠0）的图像向上下左右平移，引出二次函数的一般表达式y=ax2+bx+c（a≠0），并将其配方为y=a（x+b a="">0时开口向上，a<0时开口向下；（2）函数的对称轴为x=—b c="">0时，图像与y轴交在正半轴，c<0，图像与y轴交在负半轴，c=0，图像与y轴交在原点；（5）△=b2—4ac决定图像与x轴的交点个数，△>0时，图像与x轴有两个交点，△<0时，图像与x轴无交点，△=0时，图像与x轴无交点。
掌握了函数的基本特征后，学生就能对任一个二次函数进行绘制了，进而在一些有关函数的解题过程中就可以通过数形结合进行求解，不仅直观易发现解题途径，而且能避免复杂的计算与推理，大大简化了解题过程。这在解选择题、填空题中更显其尤为重要，因此我们要引导学生加强对函数图形的掌握，培养数形结合的这种思想意识，做到胸中有图，见数想图，以开拓自己的思维视野。
参考文献
[1]吴志鹃。二次函数图像的教学设计[J]。希望月刊（上半月），2007（11）：108。
[2]梁小瑜。加强函数图像教学，衔接初高中数学教学[J]。师道·教研，2010（6）：27～28。
[3]付尚英。浅谈利用函数的图像特征解题[J]。金色年华（教学参考），2010（12）：113。
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
音乐图像声乐教学价值分析论文
图像学的职能拓展成为20世纪中后期人文学科研究的重要事件，其产生的影响是不容忽视的。美国图像理论家米歇尔(MitchellW、J、T、)认为：“这是人文科学继语言学转向之后的又一次重大转向，给人文社会科学研究带来了巨大的范式转变。”[1]几十年间，图像学不断拓展其研究范围，与其他学科紧密结合，对于推动人文学科研究作出了重要贡献，也为音乐学科发展带了新的契机。音乐图像学正是图像学与音乐学之间的有效融合。音乐学科中的各子学科逐渐开始重视图像在其研究中所起到的重要作用，不断挖掘与本学科相关的图像，从而探寻新的音乐文化事象。因此，音乐图像对于诸多音乐学科而言，具有很高的理论研究价值。如洛秦教授所言：由于“图像资料的‘非音乐’特征，……对于视觉艺术中的文化维度及其意义研究具有音乐学中不可或缺和不可替代的特性及其价值。”[2]然而，图像对于声乐艺术表演不仅在研究层面上具有理论意义，对于高校声乐艺术教学形式的多元化探索、拓展也有其实践价值。
一、形象解析价值
音乐图像中呈现出的演唱形象，可以分为物质形象及内隐形象两方面。物质形象以其具象性、可描摹性为特征。而内隐形象则主要指依附于物质形象而体现出的内在精神实质。二者在音乐图像媒介中既是相互依附、互为存在的，也是相对独立、各司其职的。也就是说，音乐图像的双层次性特征，为声乐教学对象提供了内外形象解析的“静态”媒介。一方面可对其外在的演唱姿势、服饰、表情、动作等外显特征进行定位与解析，另一方面可深入探究演唱者内在的情感、精神、文化、审美等内隐形象。
1、物质形象解析价值。音乐图像与音像制品相比不具备可听性，但其对现实音乐表演画面的实际捕捉功能要更强大。尤其从现代图像记录和储存技术方面来看，图像高“像素点”带来的细致度、逼真度，能对声乐表演的每一个细节都进行真实、准确的定位。弥补音像及现场演出形象流动性、非固定性、转瞬即逝等带来的不足。因此，在声乐教学中，运用音乐图像进行教学可使教学内容更为直观化、细致化、局部化。图像的可延展性有利于学生捕捉歌曲演唱的外化形态，从而寻求内在情感的提升。尤其在当下，运用计算机技术及相机捕捉功能，通过电脑、投影仪等器材对其进行具体的定位分析。声乐者表演时的每一个动作、发声状态、表情等都可得到定格，成为教师教学、学生自学、模仿有益的参照媒介。
2、精神形象解析价值。形象不仅仅是对事物的镜像摹本，也是精神与灵魂的抽象概括。亚里士多德最先提出精神形象的说法，他认为形象“是灵魂的外在表现形式，是一种精神形象。”[1]因此，对声乐表演图像进行定位与解析，不可单单停留于外在的模仿，还应对其内在“灵魂”(如精神灵魂、艺术灵魂等)进行剖析。教学过程中，在充分肯定声乐表演图像的精神形象定位、解析价值的同时，也要了解其解析的难度，对教学方法进行事先安排。尤其通过外在形象揣摩演唱者内在情绪、情感、演唱状态等方面。如分析演唱嘴型找寻发声位置，模仿演唱动作感受内在情感。这些都需要教师在教学中对学生进行有方向的指导，帮助他们一步一步地学习声乐表演图像中的精神灵魂，从而达到形神兼备的演唱效果。
二、历史再现价值
音乐图像不仅仅具有运用现代摄像、电子技术捕捉画面的功能，还能够通过历史进程中保存下来的图像再现声乐文化历史。因为，在没有记录声音、照片及影像的时代，绘画、雕像等图像艺术弥补了记录“缺席”的遗憾，使得一些仅仅从书本中得知的知识，以及未曾有文字记录的.声乐表演景象展现在现代人的眼前，提供一场“在场”的文化盛宴。这些图像是特定历史时期的产物，不仅帮助高校学生了解以往声乐艺术表演形式、演唱特征，还可以通过图像透视其中的声乐艺术价值及其文化内涵。例如，清明上河图便很好地展现了北宋时期瓦舍勾栏中的说唱艺术表演场面，为我们了解宋代时期说唱艺术表演繁荣景象提供了具象性的参考资料，从而加深人们对宋杂剧产生，及其与说唱艺术之间关系的了解。音乐图像为我们再现了大量历史性的画面，为我们研究创造了难得的“在场感”。这其中还包括对声乐艺术家们的演唱及生活学习和探究。如萨尔蒙(WalterSalmen)在其《14到16世纪城镇民居中的乐像》一文中论述到，早在13世纪时期，西方声乐艺术开始发展，一些游离于宫廷、神权之外的游吟诗人、尚松歌手成为这一时期西方歌唱艺术的亮丽风景线。然而，我们现在只能通过简单的文字记述，来了解当时歌手们的生活、歌唱状况。而恰恰人们发现了当时遗留下来的古楼宇上的雕刻，为我们研究这一时期声乐艺术提供了机会[2]。“这些乐像传达了一个当时法国北部游吟诗人曾炫耀一时的音乐活动的寓言及其场景。”由此可见，图像资料不仅为我们形象深入地了解历史语境中的声乐艺术发展状况提供媒介，还可为学生深入了解、学习声乐表演艺术者的生平、地位，音乐实践、表演生活等方面提供宝贵的依据，让学习者以直观的方式了解声乐艺术表演家的生存情况。
三、情境创设价值
声乐艺术是一门综合表演形式，学习者除了要熟练掌握演唱技巧之外，还要将歌曲内在情感与演唱技巧、动作表情等融合在一起，通过身体媒介表达出来。这其中，创设情境可视为锻炼学生综合表演能力的有效措施。图像可在“创设虚拟情境”，解决弥补高校学生综合实践机会少等方面发挥其作用[3]。在以往高校声乐教学过程中，教师的角色是主导者，主要采用语言述说及演唱示范等方法，引导学生正确地学习相关演唱技巧，很少单独在情感表达、肢体表演等综合训练上花费太多时间。然而，声乐演唱是综合性表达艺术，尤其在大型作品演唱时，情感的抒发与歌唱技巧处理、肢体表演、面部表情等相互结合的问题成为演唱好坏的关键。音乐图像在上述条件不足情况下，便可发挥其创设虚拟演唱情境、为学生提供综合实践机会的优势。在这期间，可以借助投影仪及音响、简单服装道具与图像共同创设情境。教师只需在一个多媒体教室中，将传统的音乐会习唱形式进行舞台包装，同学们各自进入唱段所属的角色中，通过音乐图像创设特定的歌剧场景，教师引导学生在已定的故事情节中，快速地融入情境中，在同学角色互动的过程中将情感表达、肢体动作、面部表情等融为一体进行演唱训练。
四、主体激励价值
音乐教育倡导的核心理念是“以学生为主体”，声乐教育亦是如此，即一切教学内容、教学手段、教学形式都围绕学生这一主体进行。在传统的高校声乐教学中，很难改变教师主导的单向知识传播模式。然而，将音乐图像运用到声乐教学中，不仅对于分析艺术形象、学习声乐历史文化、创设虚拟表演情境等具有实用价值。在这个过程中，学生的主体性也能够得到充分激发、调动。1、引导主体探索。图像的呈现为学生主动探索提供了媒介。面对这些图片、画作、雕刻中的形象、文化、内涵时，解读主体的差异性所获得的感受也会不同。尤其高校学生生理心理已发展成熟，并且具有一定的评价、辨析能力，而且人是具有个人感知能力的主体，他们有自己的知识储备、欣赏经验、音乐修养，在分析图像过程中也会呈现出多元性探索的景象，没有一个所谓的“标准答案”或者“统一模式”。因此，学生在分析图像中的音乐表现形象、情感符号的过程中，能很好地发挥其主体能动性，培养主动探索能力。2、激发主体兴趣。兴趣是学生学习音乐知识的动力。声乐学习过程中，应注重改变以往以“技术”学习为重心的教育现状，运用多种手段激发学生的学习兴趣。教师在运用音乐图像进行教学的过程中，既可以引导学生对他人的声乐表演片段进行分析，还可以就学生自身的表演图片进行评价[4]。尤其当将音乐图片对象设定为学生自身或者他们熟悉的同学时，既能很好地集中学生的注意力，又能引导他们主动发现问题、解决问题，激发学生的学习兴趣。
五、结语
音乐图像运用于高校声乐教学中，具有重要的应用价值，但也需注意其中容易产生的问题。尤其在图片处理技术高超的现代社会，一方面教师要学会辨别真伪，尽量运用原样的、非伪造的音乐历史图片进行教学。另一方面“在虚拟现实和电脑模拟的时代，图像的生产更多是精心组合、设计和编排的产物，这种经过选择的产品不具有普遍性，也没有代表性。”[5]因此，教师要避免选择那些经过技术精心处理后，导致声乐表演失真的图像进行指导。
参考文献：
[1]陆涛、形象文本意识形态——图像学研究中的三个关键词[J]、内蒙古社会科学,2013,34(4)
[2]洛秦、视觉艺术中的可视声音文化维度及其意义——音乐图像学的独特性与不可替代性[J]、音乐艺术,2012(4)
[3]刘媛、面向新世纪的高师声乐教学模式[J]、中国音乐,2007(3)
[4]陈泓茹、对高师声乐教学改革的思考[J]、南京艺术学院学报,2006(1)
[5]段钢、图像符号的意识形态操控[J]、河北学刊,2007,27(6)
很抱歉，我是小学毕业的老糟头子。视频、图像处理，涉及领域非常广阔，任何一个应用，都可以写出无数篇有价值的论文。比如CT图像的电脑判读，比如润滑油的色度检测，比如违章人脸识别，比如人脸图像的历史年轮，视频特效，图像特效等等。至于自然语言，不知道你想说啥。计算机领域没有自然语言，只有程序语言。程序语言不外乎是C、Delphi，外加VB。如果你更专，那就必须会汇编语言。不管什么语言，必须能控制硬件、数据库、媒体文件、HTML5等等。但无论如何不要碰python，那是庞氏。搞程序，随便完成一个课题，都可以用代码来实现课题中的程序控制部分，写论文也很容易。其实不管选图像、视频处理，还是程序语言，关键是你得选择一个适合自己的课题，用你的计算机技术来完成这个课题，那就是论文了。
医学方面、安全监控方面、原件缺陷检测、人流统计、车牌识别、机器人运行定位等等。图像识别技术的研究目标是根据观测到的图像，对其中的物体分辨其类别，做出有意义的判断。即利用现代信息处理与计算技术来模拟和完成人类的认识，理解过程。一般而言，一个图像识别系统主要由三个部分组成，如图l所示，分别是图像分割，图像特征提取以及分类器的识别分类。目前，在图像识别的发展中，主要有三种识别方法：统计模式识别、结构模式识别、模糊模式识别。江苏视图科技目前能做到相同图，相似图搜索，公司是国内一流图像识别算法提供商。
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
确定物体个数和中心的话，利用颜色值进行连通性分析，应该能确定一块相同颜色的区域，找到这块区域就能确定质心点了。要是还要判断形状还得先提取出每个形状的特征。1.识别静态的整个人体较难；即使识别出来结果也不可靠，所以现在主要以手势/人脸识别为主；这是因为手和脸上面有比较独特的特征点。你说的滤波归根结底还是要找出具有灰度跳变的高频部分作为人体；这除非背景中除了人以外没有其他突出的物体；否则光凭滤波二值法检测人体是不太现实。2 两张图片中人要是产生相对运动，检测起来就容易多了；利用帧间差分找到图像中灰度相差大的部分（你用的滤波也是一种手段）；然后二值化区域连通；要是图像中没有其他移动物体计算连通区域的变动方向就是人的运动方向。先建立起静态背景的模型（或者直接在没人的时候拍张）；然后不断的与这个背景做差，原理和帧间差分一样。建议你先从典型的帧间差分例程开始下手（比如移动车辆的检测，这个比较多）。 在二值化之后加上一个区域连通的步骤；即使用膨胀或者闭运算；这样轮廓就是连续的了；用matlab的话bwlabel可以统计连通区域里面像素的个数也就是人体面积大小。质心就是横竖坐标的平均值；取所有人体点的横竖坐标分别累加；除以坐标总数得到的x和y平均值；这个就是质心了。
遥感应用，矿物勘探，农业普查，火灾监测，智能交通，视频检测跟踪等。具体做到什么程度，就要看大牛们发的国际论文了。
姓名：王咫毅 学号： 【嵌牛导读】机器学习成为现在研究的一大热门，而机器学习所应用到的领域图像处理 目标检测 图像分割都已经日趋成熟，而cnn是如何应用到图像分割里边的呢？而其发展过程又有哪些呢？ 【嵌牛鼻子】机器学习 cnn 【嵌牛提问】r-cnn和mask r-cnn有什么区别？两者又是怎么形成的？ 【嵌牛正文】 在 Athelas (Athelas 通过深度学习进行血液诊断)，我们使用卷积神经网络（CNN）不仅仅是分类！在这篇文章中，我们将看到如何在图像实例分割中使用CNN，效果很好。 自从 Alex Krizhevsky，Geoff Hinton和Ilya Sutskever在2012年赢得ImageNet以来 ，卷积神经网络（CNNs）已经成为图像分类的黄金标准。事实上，从那时起，CNN已经改进到现在他们在ImageNet挑战中胜过人类的程度！ need-to-insert-img CNN现在在ImageNet挑战中胜过人类。上图中的y轴是ImageNet上的错误率。 虽然这些结果令人印象深刻，但图像分类远比真人类视觉理解的复杂性和多样性简单得多。 need-to-insert-img 分类挑战中使用的图像示例。请注意图像是如何构图良好的，并且只有一个对象。 在分类中，通常有一个图像，其中一个对象作为焦点，任务是说该图像是什么（见上文）。但是，当我们观察周围的世界时，我们会执行更复杂的任务。 need-to-insert-img 现实生活中的景点通常由许多不同的，重叠的物体，背景和动作组成。 我们看到复杂的景点有多个重叠的物体和不同的背景，我们不仅要对这些不同的物体进行分类，还要确定它们之间的界限，差异和关系！ need-to-insert-img CNN可以帮助我们完成这些复杂的任务吗？也就是说，给定一个更复杂的图像，我们可以使用CNN来识别图像中的不同对象及其边界吗？正如Ross Girshick和他的同龄人在过去几年所表明的那样，答案是肯定的。 这篇文章的目标 通过这篇文章，我们将介绍在对象检测和分割中使用的一些主要技术背后的直觉，并了解它们是如何从一个实现发展到下一个实现的。特别是，我们将介绍R-CNN（地区CNN），这是CNN对此问题的原始应用，以及其后代Fast R-CNN和Faster R-CNN。最后，我们将介绍最近由Facebook Research发布的一篇文章Mask R-CNN，它扩展了这种对象检测技术以提供像素级分割。以下是本文中引用的论文： R-CNN： https ： // Fast R-CNN： https ： // Faster R-CNN： https ： // Mask R-CNN： https ： // 2014年：R-CNN - CNN在物体检测中的早期应用 need-to-insert-img 诸如R-CNN的对象检测算法接收图像并识别图像中主要对象的位置和分类。 受多伦多大学Hinton实验室研究的启发，由Jitendra Malik教授领导的加州大学伯克利分校的一个小团队问自己，今天看来是一个不可避免的问题： 在多大程度上[Krizhevsky等。al的结果]推广到物体检测？ 对象检测的任务是在图像中查找不同的对象并对其进行分类（如上图所示）。由Ross Girshick（我们将再次看到的名字），Jeff Donahue和Trevor Darrel组成的团队发现，通过测试PASCAL VOC Challenge，这是一种类似于ImageNet的流行物体检测挑战，Krizhevsky的结果可以解决这个问题。他们写， 本文首次表明，与基于简单HOG类功能的系统相比，CNN可以在PASCAL VOC上实现更高的物体检测性能。 现在让我们花一点时间来了解他们的架构，CNNs区域（R-CNN）是如何工作的。 了解R-CNN R-CNN的目标是接收图像，并正确识别图像中主要对象（通过边界框）的位置。 输入 ：图像 输出 ：图像中每个对象的边界框+标签。 但是我们如何找出这些边界框的位置？R-CNN做了我们可能直观地做的事情 - 在图像中 提出 一堆框，看看它们中的任何一个是否实际上对应于一个对象 。 need-to-insert-img 选择性搜索查看多个比例的窗口，并查找共享纹理，颜色或强度的相邻像素 R-CNN使用称为选择性搜索的过程创建这些边界框或区域提议，您可以在 此处 阅读。在较高的层次上，选择性搜索（如上图所示）通过不同大小的窗口查看图像，并且对于每个尺寸，尝试通过纹理，颜色或强度将相邻像素组合在一起以识别对象。 need-to-insert-img 在创建一组区域提议后，R-CNN通过AlexNet的修改版本传递图像，以确定它是否是有效区域。 一旦提出建议，R-CNN将该区域变为标准的方形大小，并将其传递给AlexNet的修改版本（ImageNet 2012的获奖提交，启发了R-CNN），如上所示。 在CNN的最后一层，R-CNN增加了一个支持向量机（SVM），它简单地分类这是否是一个对象，如果是的话，是什么对象。这是上图中的第4步。 改进边界框 现在，在盒子里找到了这个物体，我们可以收紧盒子以适应物体的真实尺寸吗？我们可以，这是R-CNN的最后一步。R-CNN对区域提议运行简单的线性回归，以生成更紧密的边界框坐标以获得最终结果。以下是此回归模型的输入和输出： 输入 ：与对象对应的图像的子区域。 输出 ：子区域中对象的新边界框坐标。 总而言之，R-CNN只是以下步骤： 1.为边界框生成一组提议。 2.通过预先训练的AlexNet运行边界框中的图像，最后运行SVM，以查看框中图像的对象。 3.通过线性回归模型运行该框，一旦对象被分类，就为框输出更紧密的坐标。 2015年：快速R-CNN - 加速并简化R-CNN need-to-insert-img Ross Girshick写了R-CNN和Fast R-CNN。他继续在Facebook Research推动计算机视觉的界限。 R-CNN效果很好，但由于一些简单的原因，它确实很慢： 它需要CNN（AlexNet）的正向传递，用于每个单个图像的每个区域建议（每个图像大约2000个前向传递！）。 它必须分别训练三个不同的模型 - 用于生成图像特征的CNN，用于预测类的分类器，以及用于收紧边界框的回归模型。这使得管道极难训练。 2015年，R-CNN的第一作者Ross Girshick解决了这两个问题，导致了我们短暂历史中的第二个算法 - 快速R-CNN。现在让我们回顾一下它的主要见解。 Fast R-CNN洞察力1：RoI（感兴趣区域）池 对于CNN的前向传递，Girshick意识到对于每个图像，图像的许多建议区域总是重叠，导致我们一次又一次地运行相同的CNN计算（~2000次！）。他的洞察力很简单 - 为什么不在每张图像上运行CNN一次，然后找到一种方法来分享〜2000个提案中的计算？ need-to-insert-img 在RoIPool中，创建图像的完整前向传递，并从所得到的前向传递中提取每个感兴趣区域的conv特征。 这正是Fast R-CNN使用称为RoIPool（感兴趣区域池）的技术所做的事情。在其核心，RoIPool分享CNN的前向传递，以在其子区域中形成图像。在上图中，请注意如何通过从CNN的要素图中选择相应的区域来获取每个区域的CNN要素。然后，汇集每个区域中的要素（通常使用最大池）。所以我们所需要的只是原始图像的一次传递而不是~2000！ 快速R-CNN洞察力2：将所有模型组合到一个网络中 need-to-insert-img 快速R-CNN将CNN，分类器和边界框回归器组合成一个单一网络 Fast R-CNN的第二个见解是在单个模型中联合训练CNN，分类器和边界框回归器。之前我们有不同的模型来提取图像特征（CNN），分类（SVM）和收紧边界框（回归量），而 快速R-CNN则使用单个网络来计算所有三个。 您可以在上图中看到这是如何完成的。快速R-CNN用在CNN顶部的softmax层替换SVM分类器以输出分类。它还添加了一个与softmax图层平行的线性回归图层，以输出边界框坐标。这样，所需的所有输出都来自一个网络！以下是此整体模型的输入和输出： 输入 ：带有区域提案的图像。 输出 ：每个区域的对象分类以及更严格的边界框。 2016年：更快的R-CNN - 加速地区提案 即使有了所有这些进步，快速R-CNN过程仍然存在一个瓶颈 - 区域提议者。正如我们所看到的，检测对象位置的第一步是生成一堆潜在的边界框或感兴趣的区域进行测试。在Fast R-CNN中，这些提议是使用 选择性搜索 创建的，这是一个相当缓慢的过程，被发现是整个过程的瓶颈。 need-to-insert-img 微软研究院的首席研究员孙健带领团队领导更快的R-CNN。 在2015年中期，由Shaoqing Ren，Kaiming He，Ross Girshick和Jian Sun组成的微软研究团队找到了一种方法，通过他们（创造性地）命名为快速R-CNN的架构，使该区域提案步骤几乎免费。 更快的R-CNN的见解是区域建议取决于已经通过CNN的前向传递（分类的第一步）计算的图像的特征。 那么为什么不为区域提案重用那些相同的CNN结果而不是运行单独的选择性搜索算法呢？ need-to-insert-img 在Faster R-CNN中，单个CNN用于区域提议和分类。 实际上，这正是R-CNN团队更快取得的成就。在上图中，您可以看到单个CNN如何用于执行区域提议和分类。这样， 只有一个CNN需要接受培训 ，我们几乎可以免费获得地区建议！作者写道： 我们的观察结果是，基于区域的探测器（如Fast R-CNN）使用的卷积特征图也可用于生成区域提议[从而实现几乎无成本的区域提议]。 以下是其模型的输入和输出： 输入 ：图像（注意不需要区域提议）。 输出 ：图像中对象的分类和边界框坐标。 如何生成区域 让我们花点时间看看R-CNN如何通过CNN功能更快地生成这些区域提案。Faster R-CNN在CNN的功能之上增加了一个完全卷积网络，创建了所谓的 区域提案网络 。 need-to-insert-img 区域提案网络在CNN的功能上滑动窗口。在每个窗口位置，网络输出每个锚点的分数和边界框（因此4k框坐标，其中k是锚的数量）。 区域提议网络通过在CNN特征映射和每个窗口上传递滑动窗口来工作，输出 k个 潜在的边界框以及每个框预期有多好的分数。这些 k 盒代表什么？ need-to-insert-img 我们知道人们的边界框往往是矩形和垂直的。我们可以通过创建这样的维度锚来利用这种直觉来指导我们的区域提案网络。 直觉上，我们知道图像中的对象应该适合某些常见的宽高比和大小。例如，我们知道我们想要一些类似于人类形状的矩形盒子。同样，我们知道我们不会看到很多非常薄的盒子。以这种方式，我们创建 k 这样的常见宽高比，我们称之为 锚盒 。对于每个这样的锚箱，我们输出一个边界框并在图像中的每个位置得分。 考虑到这些锚框，我们来看看这个区域提案网络的输入和输出： 输入 ：CNN功能图。 输出 ：每个锚点的边界框。表示该边界框中图像成为对象的可能性的分数。 然后，我们将可能是对象的每个这样的边界框传递到Fast R-CNN，以生成分类和收紧的边界框。 2017：Mask R-CNN - 扩展更快的R-CNN以实现像素级分割 need-to-insert-img 图像实例分割的目标是在像素级别识别场景中不同的对象是什么。 到目前为止，我们已经看到我们如何能够以许多有趣的方式使用CNN功能来有效地定位带有边界框的图像中的不同对象。 我们是否可以扩展这些技术以进一步找到每个对象的精确像素而不仅仅是边界框？这个问题被称为图像分割，是Kaiming He和包括Girshick在内的一组研究人员在Facebook AI上使用一种名为 Mask R-CNN 的架构进行探索的。 need-to-insert-img Facebook AI的研究员Kaiming He是Mask R-CNN的主要作者，也是Faster R-CNN的合着者。 就像Fast R-CNN和Faster R-CNN一样，Mask R-CNN的潜在直觉也是直截了当的。鉴于Faster R-CNN在物体检测方面的效果非常好，我们是否可以扩展它以进行像素级分割？ need-to-insert-img 在掩码R-CNN中，在快速R-CNN的CNN特征之上添加完全卷积网络（FCN）以生成掩码（分段输出）。注意这与Faster R-CNN的分类和边界框回归网络并行。 Mask R-CNN通过向更快的R-CNN添加分支来完成此操作，该分支输出二进制掩码，该Mask 表示给定像素是否是对象的一部分。与以前一样，分支（上图中的白色）只是基于CNN的特征映射之上的完全卷积网络。以下是其输入和输出： 输入 ：CNN功能图。 输出 ：矩阵在像素属于对象的所有位置上为1，在其他位置为0（这称为 二进制掩码 ）。 但Mask R-CNN的作者不得不进行一次小调整，以使这条管道按预期工作。 RoiAlign - 重新调整RoIPool更准确 need-to-insert-img 而不是RoIPool，图像通过RoIAlign传递，以便RoIPool选择的特征图的区域更精确地对应于原始图像的区域。这是必需的，因为像素级分割需要比边界框更细粒度的对齐。 当在原始的快速R-CNN架构上运行而没有修改时，Mask R-CNN作者意识到由RoIPool选择的特征图的区域与原始图像的区域略微不对准。由于图像分割需要像素级特异性，与边界框不同，这自然会导致不准确。 作者能够通过巧妙地调整RoIPool来解决这个问题，使用一种称为RoIAlign的方法进行更精确的对齐。 need-to-insert-img 我们如何准确地将感兴趣的区域从原始图像映射到特征图？ 想象一下，我们有一个大小为 128x128 的图像和一个大小为 25x25 的特征图。让我们想象一下，我们想要的特征区域对应于原始图像中左上角的 15x15 像素（见上文）。我们如何从要素图中选择这些像素？ 我们知道原始图像中的每个像素对应于特征图中的~25 / 128像素。要从原始图像中选择15个像素，我们只选择15 * 25 / 128~ = 像素。 在RoIPool中，我们将它向下舍入并选择2个像素，导致轻微的错位。但是，在RoIAlign中， 我们避免了这种舍入。 相反，我们使用 双线性插值 来准确了解像素处的内容。这在很大程度上是允许我们避免RoIPool引起的错位的原因。 生成这些掩模后，Mask R-CNN将它们与Faster R-CNN中的分类和边界框组合在一起，生成如此精确的分割： need-to-insert-img Mask R-CNN能够对图像中的对象进行分段和分类。 期待 在短短3年时间里，我们已经看到研究界如何从Krizhevsky等进步。al的原始结果是R-CNN，最后一直到Mask R-CNN这样强大的结果。孤立地看，像面具R-CNN这样的结果看起来像天才的难以置信的飞跃，是无法接近的。然而，通过这篇文章，我希望你已经看到这些进步如何通过多年的努力和合作实现直观，渐进的改进。R-CNN，Fast R-CNN，Faster R-CNN以及最后的Mask R-CNN提出的每个想法都不一定是量子跳跃，但它们的总和产品已经产生了非常显着的结果，使我们更接近人类水平了解视力。 让我特别兴奋的是，R-CNN和Mask R-CNN之间的时间只有三年！通过持续的资金，关注和支持，未来计算机视觉能够进一步提升？
可以学术研究的人都知道一个著名的短语Publish or perish。就是说，研究人员发表文章是硬道理，只有快速而持续在某些专业领域发表自己的研究成果才能在学术界占领高地，并且让自己走得更远。而无论大家如何评价学术论文发表对科学和社会的贡献，学术圈实质上的游戏规则一直没有太大改变：对研究人员来说发表论文是硬通货，是他们获得职位、争取资源、赢得荣誉的重要途经和手段。目前杂志数量爆发式增长，研究人员在发表论文的时候自然有了更多的选择，但同时也给学术的评估带来了不小的麻烦，于是乎评估人员只好依赖于期刊的质量指标来评定研究质量。比如汤普森的影响因子就是为了将这个复杂而微妙的判定简化为一个数字，当然这也是目前业内使用广泛的指标。理论上影响因子似乎是期刊所发表研究的质量，但这一假设目前却越来越受到质疑。学术圈的人都深切体会到一篇文章能否在某个期刊终发表出来，除了科学质量方面的因素外还有其他一些很重要的因素。比如我们一直在告诫学生，一篇稿件在写作风格上、突出重点上和表达上些微的差别就可能影响杂志的接收情况。那么，这究竟只是老道的论文作者的感觉，还是不同期刊上文章的表达真的存在着这样那样的差别呢?如果这些差别真的存在，那么是否就表明影响因子真的与科学质量以外的东西有关呢，而作者是否可以通过改善一些相对简单的写作技巧，以此来提高他们在高影响因子期刊上发表论文的机会呢?在竞争激烈的学术圈中，年轻的研究人员和学生们必须尽可能地发表更多的论文，也希望大限度地争取在好的刊物上发表文章的机会，那么我们应该怎么做呢?美国南伊利诺斯大学的Brady Neiles及其同事在近一期的Bulletin of the Ecological Society of America上撰文分析了不同影响因子期刊中发表的论文，他指出：在竞争激烈的环境下，作者如果要让他们的稿件脱颖而出，改善写作的风格可能是一个有效的手段。而有力的科学写作手段也可看作是某种程度的推销和讲故事，作者必须找到如何创造性地讲故事并清晰地表达这些发现的重要性。
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。
1 Novel Land Cover Classification Based on Mean Shift Segmentation for High Resolution Remote Sensing. Proceedings of 2006 International Conference on Artificial Intelligence——50 Years’Achievements, Future Directions and Social Impacts( ISAI’06) , Aug. 1-3, 2006, Beijing China. 第2作者(ISTP index )2 Remote Sensing Interpretation Based On Segmentation and Geo-Information System. 3rd International Symposium on Future Intelligent Earth Observing Satellites (FIEOS2006)), Nov 2006,Beijing,China.第2作者( EI index)3 Object Oriented Information Extraction of Forest Resources from High Resolution Remote Sensing. 《Proceedings of SPIE》，Geoinformatics 2006, Remote Sensed Data and Information, 28-29 Oct. 2006, Wuhan, China. 第2作者( EI index)4 Study on the Dynamic Changes of Rocky Desertification in Yunshun County based on RS in Northwestern Hunan Province. ISEIS'2006,Beijing Specialty Conference Science and Technology for Desertification Control (STDC),Oct. 2006,Beijing,China.第2作者(ISTP index)5 The VHR Data Multi-resolution Segmentation Based on Mean Shift. 广西大学学报（自科版）， 2006(4)，第2作者(广西师范大学主办，核心期刊，影响因子:)6 Spot-5影像特征分析及最佳波段选择.《遥感信息》，2006(4)，第2作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:)7 高分辨率遥感图像分割技术研究.《中南林学院学报》，2006(4)，第1作者(中南林学院主办，核心期刊，影响因子:)8 Study on the technology of classifying high-resolution remote sensing image based on multi-feature.《International Symposium of Remote Sensing and Space Technology for Multi-disciplinary Research and Application》，19-24 May 2005 Beijing，China.第1作者(EI and ISTP index)9 湖南四水流域适宜森林覆盖率指标研究.《中南林学院学报》，2005(5)，第1作者(中南林学学院主办，核心期刊，影响因子:)10 基于3S技术的土地利用数据库更新技术研究.《遥感信息》，2005(5)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:)11 QuickBird 卫星图像信息识别.《中国图象图形学报》，2005(12)，第1作者(中国图象图形学会主办，一级期刊，影响因子:)12 多源遥感图像分级校正研究.《株洲师范专科学校学报》，2005(2) ，第1作者13 基于高分辨率遥感图像的土地覆盖信息提取.《遥感技术与应用》，2005（4），通讯作者(中国科学院遥感联合中心主办，影响因子:)14 多源遥感数据融合方法及其对植被识别的影响.《林业资源管理》，2005（5），通讯作者(国家林业局调查规划设计院，核心期刊)15 高分辨率遥感图像在林业应用中存在的问题与思考.《株洲师范高等专科学校学报》，2005（5），通讯作者16 森林树种高光谱波段的选择.《遥感信息》，2005（4），通讯作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:)17 一种稳健的高分辨率遥感图像快速提取方法.《第12届全国图象图形学术大会论文集》，2005年10月，通讯作者18 森林经理专业“本硕连读”试验研究.《中南林学院学报》，2005(6)，第1作者(中南林学学院主办，核心期刊，影响因子:)19 基于高分辨率卫星影像的立木材积表的编制.《林业科学》，2004(3)，第1作者(中国林业学会主办，一级期刊，影响因子:)20 QUICKBIRD 数据处理及其应用.《遥感信息》，2004(2)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:)21 遥感数字图像的无缝镶嵌.《中南林学院学报》，2004(1)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，核心期刊)22 “3S”技术在贵州省森林资源清查中的应用.《林业资源管理》，2003(3) P31，第2作者 (国家林业局调查规划设计院，核心期刊)23 航空像片上任意点比例尺的测算.《遥感技术与应用》，2003(3) P149，第1作者(中科院遥感联合中心主办，影响因子:)24 多项式法航空像片的几何纠正.《北京林学大学学报》，2003(2) P58，第1作者(北京林业大学主办，EI index，影响因子:)25 株洲主要地类地物波谱特征研究.《中南林学院学报》，2003(1) P93，第1作者(中南林学院主办，核心期刊)26 ANN在森林资源管理中的应用.《世界林业研究》，2002(3)，第1作者 (中国林科院主办，核心期刊)27 遥感技术在我国林业中的应用与展望.《遥感信息》，2002(1)，第1作者(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:)28 澧水北源森林资源水文状况评析.《湖南林业科技》，2002(2) P8，第1作者(湖南省林科院主办)29 加拿大林业教育和林业科研.《世界林业研究》，2001(4)，第1作者 (中国林科院主办，核心期刊)30 The Role of Raster Pixel Size and Shape in Geographic Information System. 《遥感信息》，2001(1) P21，独立(科技部国家遥感中心、中国测绘科学研究院主办，影响因子:)
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
视觉传达毕业论文题目
视觉传达毕业论文题目具体有哪些呢，大家有了解过吗?下面是我为大家介绍的视觉传达毕业论文题目，欢迎参考和阅读，希望能帮到大家!
视觉传达毕业论文题目
1.浅谈计算机图形图像设计与视觉传达设计
2.基于视觉传达设计中视觉思维模式创新的研究
3.新媒体艺术语言在视觉传达中的应用
4.基于视觉传达艺术发展的民族传统设计创新探讨
5.数字广告中数字媒体的视觉传达设计
6.视觉传达设计视角下的科技图像创作研究
7.动态构成在视觉传达设计中的运用与研究
8.跨界与融合--数字信息时代背景下视觉传达设计的新思考
9.色彩符号与企业形象的视觉传达
10.汉字象形造字法在视觉传达中的设计应用
11.中国传统元素在视觉传达设计中的应用研究
12.“视觉传达设计专业”在现实中的应用探究
13.新媒体语境下的视觉传达设计探讨
14.移动互联网背景下视觉传达设计专业人才培养模式研究
15.视觉传达设计中的图形创意表现研究
16.从空无、自然、融合三个角度谈视觉传达设计中的艺术美
17.“私人定制”视觉传达中的定制式设计理念
18.数码技术在视觉传达设计中的应用研究
19.基于视觉传达要素的制造装备人机优化设计方法研究
20.敦煌联珠纹的形态特征与其在视觉传达设计中的应用
21.基于可持续发展理论下的视觉传达设计
22.浅析视觉传达设计与品牌形象的有效整合
23.现代视觉传达的多维感官设计运用探析
24.探究UI设计的视觉传达艺术
25.旅游纪念品视觉传达设计与开发
26.色彩的视觉传达在广告设计中的运用
27.基于视觉传达设计领域的互补设计方法研究
28.信息时代的视觉传达设计特征与发展研究综述
29.动态视觉传达设计在数字媒体中的应用及发展方向
30.视觉传达的灵境语言
31.本土文化视域下的视觉传达设计及拓展重构
32.探讨视觉传达设计发展趋势的分析
33.独特的视觉传达系统研究
34.订制婚礼中视觉传达设计的应用研究
35.视觉传达设计中图形创意的应用与商业价值研究
36.基于观者位移产生的动态错觉在视觉传达设计中的应用
37.关于多媒体设计与视觉传达的完美结合研究
38.视觉传达设计中民族文化符号的应用
39.浅谈视觉传达设计中图形创意的表现
40.视觉传达设计专业学生的实践能力培养探析
41.视觉传达设计中的色彩应用分析
42.视觉传达设计在空间设计中的新发展
43.视觉传达设计中的视觉疲劳现象研究
44.基于信息设计的视觉传达领域新应用
45.文化产业背景下视觉传达设计的转型
46.江汉大学视觉传达设计专业创新型人才培养探析
47.视觉传达设计创新性思维模式初探
48.浅析视觉传达设计创新思维的内涵及原则
49.展示空间中的视觉传达设计元素分析
50.女性身体元素在竞技体育中的视觉传达
51.谈信息时代下视觉传达设计的发展
52.视觉传达设计中笔墨艺术元素的应用
数字化广告的视觉传达效应探析
54.论包装色彩视觉传达的话语意义
55.浅析现代婚庆视觉传达设计
56.数字时代的视觉传达专业的内涵与外延
57.视觉传达设计中抽象图形的针对性提炼与表现
58.探讨视觉传达艺术设计的创新设计理念
59.数字媒体对视觉传达设计的影响分析
60.浅谈视觉传达设计的多元化发展
61.对视觉传达设计中情感理念的表现研究
62.视觉传达设计中视觉思维模式的创新
63.网页设计之视觉传达研究
64.虚拟现实环境下计算机图形图像设计与视觉传达设计
65.数字媒体时代视觉传达专业图形创意课程改革研究
66.景颇族服饰视觉呈现中的社会情境表述
67.视觉传达技术在茶叶包装设计上的运用
68.从视觉心理角度解读自由版式中的视觉游戏
69.基于视觉信息传达的网页界面设计研究
70.“东方葵”的图像叙事与视觉传达
71.网络广告中的视觉传达设计艺术探究
72.浅析视觉营销在商品E化过程中的应用
73.广告视觉传达设计的研究与探讨
74.从标志设计的演变谈视觉简化心理
75.视觉传达设计中传统装饰艺术符号的融入
76.节约型包装视觉传达设计研究
77.数字时代视觉传达设计的新观念探索
78.图表设计与可视化分析
79.技术推动观念 VR技术引发的视觉传达新观念
80.视觉传达设计中的多媒体艺术的表现形式
81.基于数字媒体语境下的视觉传达设计
82.虚拟现实环境下计算机图形图像设计与视觉传达设计
83.视错觉表现在视觉传达设计中的应用
84.论互联网时代视觉传达设计的方法和表现特性
85.视觉传达设计中的多媒体艺术表现形式研究
86.考虑视觉传达效果的夜视环境视觉定位方法研究
87.当代中国设计活动中审美形态的来源--以视觉传达设计为例
88.中国传统文化元素在视觉传达设计中的应用
89.数字时代视觉传达设计的新观念
90.交通标示颜色的视觉传达作用仿真分析
91.视觉传达设计中的传统文化符号探究
92.中国传统家具元素在视觉传达设计中的应用探析
93.视觉传达设计对地方经济发展的实效性研究
94.当代视觉传达设计中的适老性问题研究
95.黑暗中颜色刺激作用的视觉传达分析研究
96.视觉传达设计的交互动画特效制作手法探析
97.学习类网页设计中视觉传达理论的应用研究
98.字体创意设计是加深视觉传达记忆的根蒂
99.对中国甲骨文文字符号视觉传达的属性研究
100.广告视觉传达设计艺术在信息网络时代的传播研究
101.中国禅道文化中的神、意、形、色在视觉传达设计中的应用研究
102.视觉传达设计中的多媒体艺术表现形式分析
103.公共艺术形态下的视觉传达设计研究
104.浅谈数字图像时代视觉传达设计的几个要素
105.浅析视觉传达设计的情感效应
106.如何做到视觉传达艺术设计的与时俱进
107.试论传播学在视觉传达设计中的应用
108.隐喻图形在视觉传达设计中的应用研究
109.视觉传达设计中视觉思维模式的创新
Graphic在视觉传达中的应用研究
111.数字媒体时代视觉传达设计的特征与发展
112.当代视觉传达下汉字图形化设汁的形、意研究
113.网络媒体的视觉艺术传达设计研究
114.数字时代视觉传达设计的新思维探讨
115.中国传统元素在视觉传达设计中的应用
116.浅析视觉传达在室内设计中的应用
117.“新古琴双行谱”中的视觉传达设计
118.视觉传达图形创意在服装设计中的应用
119.从视觉传达的角度对新媒体时代地产广告的探究
120.分析创新设计理念在视觉传达艺术设计中的具体实施
121.视觉传达设计专业的基础课程改革探索
拓展：测绘工程论文题目
1、改善GIS数字底图的质量
2、教学实习在土地资源管理专业中的应用
3、数字化土地利用现状调查的数据采编
4、数字化地形测量的几个问题探讨
5、数字化地籍测量在城镇地籍调查中的应用探讨
6、数字化成图几种作业模式的分析比较
7、数字化测图与地籍信息系统研究
8、数字化测图在地籍补测中的两种应用技巧
9、数字化测图技术在郑州高新区房地产测量中的应用
10、数字化测图教学方法探讨
11、数字化测绘技术在地籍图测绘中的应用与建议
12、数字化测绘技术在地籍测量中的应用与实施
13、数字化测绘技术在地籍测量中的应用初探
14、数字化测绘技术在城镇地籍测量中的应用
15、数字化测绘技术在源影寺古砖塔测绘中的应用
16、数字图像边缘检测方法的探讨
17、数字土地利用现状图的制图概括
18、数字土地利用现状图的制图综合
19、数字地图系统设计
20、数字地形图测绘中的几个问题探析
21、数字地籍测绘实施中的技术问题
22、数字地籍测量中GPS控制网的建立
23、数字地籍测量主要误差来源探讨
24、数字地籍测量作业探讨
25、数字地籍测量应用分析
26、数字地籍测量控制网的建立及精度分析
27、数字地籍测量有关作业流程及精度控制的探讨
28、数字地籍测量精度的讨论及控制方法
29、数字平顶山空间数据基础设施建设的初步研究
30、数字摄影测量生产的质量控制
31、数字水准仪SPRINTERM的试验与评述
32、数字水准仪及其在机场跑道板块高程测量中的应用
33、数字水准仪及水准尺的'检定与精度分析
34、数字水准仪的测量算法概述
35、数字水准仪自动读数方法研究
36、数字水准仪观测模式及其应用实践
37、数字水准测量外业数据格式的转换与统一的实践
38、数字水果湖水下地形和淤泥厚度测量
39、数字测图中的坐标变换方法
40、数字测图中设站错误的内业改正
41、数字测图技术在罗营口水电站坝址地形测量中的应用
42、数字测绘产品的质量检查与质量控
43、数字综合法用于平坦地区地形图修测
44、数字高程模型与等高线质量相关性研究
45、数字高程模型及其数据结构
46、数字高程模型在农地整理排水渠道规划设计中的应用
47、数字高程模型地形描述精度的研究
48、数字高程模型的生产及更新
49、数字高程模型的裁剪与拼接技术
50、数学形态学在遥感图像处理中的应用
51、数据化测量在河道治理工程中的应用
52、数码相机可量测化的研制
53、斜拉桥变形观测方法及精度分析
54、斜距法在工程中的应用
55、断面测量内外业一体化系统研究
56、断高法在高等级公路测设中的应用
57、新州公路平面控制测量问题研究与施测
58、方位交会法在城区测量中的应用
59、方向交会法坐标计算之初探——待定点坐标的计算
60、方向后交最佳点位分析
61、施工测量中快速设站方法
62、无像控基础地理空间数据更新方法
63、无反射棱镜全站仪测距性能测试
64、无反射镜测距的目标特性研究
65、无定向导线环在城市地籍测量中的应用
66、无控制DEM表面差异探测研究
67、既有铁路航测数字化测图的特点与质量控制
68、时态地籍数据库设计与宗地历史查询的实现方法
69、明暗等高线自动绘制方法
70、智能全站仪ATR实测三维精度分析
71、智能全站仪快速测量处理系统
72、曲线拟合高程在公路测量中的应用研究
73、曲线放样中的坐标转换及转换精度分析
74、曲线矢量数据压缩算法实现及评析
75、最小二乘平差理论在制图自动综合中的应用
76、最小二乘法在土地复垦场平整中的应用
77、最小二乘法对多周期函数的周期筛选优化
78、有关地籍调查的几个问题探讨
79、有限条件下坐标转换矩阵的确定与精化
80、有非对称缓和曲线的曲线主点测设方法
81、服务城市化的测绘工程专业培养计划探讨
82、村庄地籍测量之初探
83、条码信号复原技术在数字水准仪中的应用
84、条码因瓦水准标尺校准方法的探讨
85、极坐标法测设平面位置的精度分析
86、构建城镇地籍管理系统的研究
87、栅格数据矢量化及其存在问题的解决
88、标准化大比例尺数字测图的实践与体会
89、树状河系自动绘制的结构化实现
90、根据三斜距确定点的三维坐标及精度
91、桥梁墩_台的沉降观测和沉降值的预测
92、模拟GPS控制网精度估算方法研究
93、模糊数学在土地利用更新调查质量评定中的应用探讨
94、模糊综合评判及其在测绘中的应用
95、气象因素对全站仪测量的影响
96、水下地形分析中空间数据存储与管理方法的研究
97、水下地形测量误差分析及对策
98、水下地形测量误差来源及处理方法探讨
99、水下地形测量高程异常点剔除方法研究
100、水位改正中虚拟验潮站的快速内插
中国图象图形学报。这个计算机专业的也可以投，遥感学报针对的是遥感领域的。
不同学校划分的可能有所不同，但一般来说很多学校会以计算机学报相当于sci3区来划分。
以东北大学划分SCI分区为例：
可视为等同于SCI分区或可折算为分值的期刊（会议）如下：
1、《中国科学》及其英文版等同于SCI二区；
2、《自动化学报》、《中国电机工程学报》、《仪器仪表学报》、《电子学报》、《系统工程学报》、《中国图像图形学报》、《计算机学报》、《电工技术学报》、《软件学报》（含上述期刊的英文版）等同于SCI三区；
3、《控制与决策》及其英文版等同于SCI四区；
4、CCDC会议论文每篇按分计算。
《计算机学报》虽然不是sci。但计算机学报期刊级别为核心期刊，出刊周期为月刊，期刊创办于1978年。一般视为等同于SCI3区。计算机学报是中国科学院主管、中国计算机学会主办的学术性期刊。
计算机学报主要栏目设有：研究论文与技术报告、短文、学术通信、学术活动、中国计算机学会学术动态。
计算机学报已被CSCD 中国科学引文数据库来源期刊（含扩展版）、万方收录（中）、知网收录（中）、国家图书馆馆藏、EI 工程索引（美）、SA 科学文摘（英）、剑桥科学文摘、JST 日本科学技术振兴机构数据库（日）；
统计源核心期刊（中国科技论文核心期刊）、数学文摘、北大核心期刊（中国人文社会科学核心期刊）、上海图书馆馆藏、文摘与引文数据库、维普收录（中）收录。
我就知道它不被EI收录，在EI网站上搜索就可以知道是否被收录了
(1) 国家自然科学基金，项目负责人：马利庄“基于图像的高光物体高度真实感建模与绘制技术研究（60873136）”，38万，(2) 国家973 项目负责人：马利庄“可视媒体的交互与融合处理”（2006CB303105）子项目，70万，(3) 国家973 项目负责人：马利庄“肝硬化虚损生积的中医病因学研究”（2006CB504801）子项目，70万，(4) 国家自然科学基金，项目负责人：马利庄“数据驱动的真实感人体建模与运动控制技术”（60573147），26万，(5) 国家博士点基金，项目负责人：马利庄“基于图像的光照模型”（20050248046），5万，(6) 国家自然科学基金创新群体，项目负责人：马利庄“片上系统的互连问题与高端IP核研究”（60521002），35万， (7) 上海市科委世博专题项目 ，项目负责人：马利庄“中西医信息融合的智能化综合诊断系统”（06dz05815），230万，(8) 国家自然科学基金项目 ，项目负责人：马利庄“基于RBF插值与多分辩率表示的扫描数据重建（60373070）”，20万元，(9) 国家863 CIMS项目2003AA411310 ，项目负责人：马利庄“基于知识的概念创新设计系统” ,70万, ,(10) 国家杰出青年科学基金项目 ，项目负责人：马利庄“数据体造型的理论和方法（69625304）” 万元，(11) 国家自然科学基金项目，“基于运动捕获数据的人体运动合成（60173035）” 项目负责人：马利庄 万，(12) 国家自然科学基金项目，项目负责人：马利庄“基于运动标架与层次表示的NURBS扫描体（69973043）”，万元，(13) 德国Fraunhofer IGD重大科研基金，主要参与者“Virtual Prototype” 约万马克(DM)（总经费），(14) 新加坡-德国科研合作项目，Chan ., Tony, 马利庄 “Virtual Factory” 约万新加坡元(S$)，(15) 霍英东青年教师基金，项目负责人：马利庄 “面向体素造型的参数化复杂拓扑曲面设计与造型”，1,6000美金，(16) 国家863CIMS项目 863-511-05-0205 项目负责人：马利庄“CAD/CAPP/CAM机械产品集成制造系统”子项目:曲面造型模，万，(17)百千万人才基金（浙江省配套），项目负责人：马利庄“科学数据可视化中的数据体造型”，万元，1999-2001(18)国家自然科学基金创新群体基金项目，主要参与者“网络视觉计算的基础理论与算法研究”万（总经费），(19)国家自然科学基金项目，项目负责人：马利庄69203009“基于多面体拓扑与几何连续拼接的闭曲面造型”，万，(20)国家自然科学基金项目，项目负责人：马利庄 ，69373038“自由曲面间递归 变换及算法”，万，(21)国家博士后科学基金，项目负责人：马利庄“面向CIMS的自由曲面与实体的集成造型”，万+1,000美金，专利或著作权1、AFIS智能指纹鉴定系统 中国软著登字第020867号 2004SR02466 马利庄等2、基于知识的概念创新设计系统 中国软著登字第046780号 2005SR15279 马利庄等3、视频实时合成和记录的娱乐系统 中国知识产权局CN1588992A 马利庄等4、基于层次结构和神经网络的中医征候诊断系统5、中国知识产权局（2004受理） 马利庄等6、脉象采集数字手套 中国知识产权局（2004受理） 马利庄等7、计算机辅助牙齿隐型正畸系统 中国知识产权局（2004受理） 马利庄等8、基于全身融合的电影秀娱乐系统 中国知识产权局 CN1730217A 马利庄等六、代表性学术论文共发表学术论文100多篇,科学出版社专著一部，发表论文的刊物包括CAGD、Computers & Graphics，Annual of Numeric Math. 、中国科学、Progress in Natural Science、计算机学报等。其中SCI、EI收录40多篇以上， ISTP收录数十篇，此外,美国科学文摘SA,EEA,CCA,前苏联数学MATEMAИKA等均有收录。其成果得到国内外著名同行学者苏步青先生，唐荣锡先生等的高度评价，认为获得国际先进水平（部分领先）的研究成果；有关闭曲面造型成果图被ACM Computer Graphic Vol. 30(2) 国际权威刊物采用在封面首页。部分代表性论文1、马利庄，彭群生，何志均，曲面间 连续条件，中国科学A缉，Vol. 23(8), 、王强，马利庄，鲍虎军, 基于骨架的断层间复杂轮廓线的三角片曲面重构, 计算机学报, (8), 2000. (EI)3、王强，马利庄，图象二值化时图象特征保留，计算机辅助设计与图形学学报，、吴检宝，马利庄，金通光，任意拓扑网格上 连续曲面构造, 自然科学进展, (2) ，、余正生，彭群生，马利庄，隐函数的布尔操作， 软件学报， Vol. 9 (9), 、冯结青,马利庄, 彭群生,嵌入参数空间的曲面控制自由变形方法,计算机辅助设计与图形学学报, 、余正生，彭群生，马利庄 et. al, 隐式裁减曲面的造型及绘制，软件学报， Vol. 12(1), 、姜忠鼎，马利庄, 一种插值与逼近运动物体活动标架的新方法, 软件学报，Vol. 11(9)., 2000. (EI)9、冯结青,马利庄, 彭群生, 一种应用参数曲面的动态自由变形新方法, 计算机学报: , 1997. (EI)10、徐晓刚，鲍虎军，马利庄，“纹理合成技术研究”，计算机研究与发展 ，、徐晓刚，马利庄，“纹理混合与纹理传输”，计算机辅助设计与图形学报，、肖双九,张树生,马利庄,邱泽阳 杨海成. 广义相容三角网格及其优化. 机械科学与技术. 、肖双九,张树生,马利庄,邱泽阳,杨海成. 基于网格的重构曲面再设计中的模板匹配. 西北工业大学学报. 2003,21(4): 495-49814、张丘, 马利庄, 高岩, 基于方向投影的票据图像倾斜检测方法,《计算机应用》, Vol. 24 (9), 、张丘, 马利庄, 高岩, 影像预处理方法的研究,《计算机仿真》, 2005。16、刘军波 ，改进的基于Gabor滤波器的指纹增强算法，chinagraph2004。17、沈丽忠，马利庄，刘军波 一种有效克服指纹非线性形变的匹配方法，计算机应用与软件（已录用）.18、丁裕锋，马利庄，聂栋栋，刘军波 Gabor滤波器在指纹图像分割中的应用.中国图象图形学报。9（9）1037~1041，、吴永波，高岩，马利庄. 电子表格格式去除系统的研究，系统仿真学报，2005，EI）.20、王强，马利庄。平行断层轮廓线的RBF隐函数曲面造型。计算机辅助设计与图形学， 14, pages 857-861, 2003 （EI）21、徐晓刚，马利庄。纹理合成技术研究。计算机研究与发展，, pages1405-1411 ,2002。(EI)22、徐晓刚，于金辉，马利庄。多种子快速纹理合成。中国图象图形学报，, Vol 7, pages994-999, 2002。23、徐晓刚，鲍虎军，马利庄。基于相关性原理的多样图纹理合成方法。自然科学进展， 12，pages 665-670,2002 。24、张英、马利庄.基于图像的高光物体深度图提取.首届人工心理与人工情感学术会议.、李重,马利庄,. Meek. 平面两圆弧相离情况下G2连续过渡曲线构造. 计算机辅助设计与图形学学报. 2006,、张英，马利庄.基于立体视觉的高光物体恢复深度图的方法.计算机工程与应用.已录用.、刘黎、马利庄、谭武征，一个产品概念创新设计系统CIDS，计算机辅助设计与图形学学报[J]，2006,18(1)28、陈志华，马利庄，李众，吴小毛，高岩。人体运动路径的编辑算法。计算机辅助设计与图形学学报，2005。已录用。29、陈志华，马利庄，杨文山. 基于捕获数据的运动编辑技术研究综述. 计算机研究与发展。2005，已录用。30、赵明喜,马利庄, 毛志宏. 基于改进的图形旋转系统的高亏格造型系统。计算机辅助设计与图形学学报. (已接收)