高光谱图像处理论文发表

高光谱图像处理论文发表

西安邮电大学十佳导师：李娜、来毅、甘玉泉、褚宏云、刘磊等。

1、李娜。

副教授，女，1981年11月出生，中共党员，交通信息工程及控制专业博士，西安邮电大学信息与通信工程专业硕士生导师。目前担任信息工程系副主任，通院线性代数教学团队负责人。2021年被评为西安邮电大学优秀共产党员，2022年被评为西安邮电大学“四有好老师”。

2、来毅。

副教授，男，1978年6月出生，模式识别与智能系统专业博士，西安邮电大学信息与通信工程专业硕士生导师。

主要研究领域：视频图像分析、理解和识别及视频压缩等。现任中国计算机学会协同计算专业委员会委员、中国计算机学会青年工作委员会委员和IEEE会员等。在IEEETrans.等国内外重要期刊和领域内权威国际会议上发表论文30余篇，其中SCI索引近10余篇，EI索引20余篇；申请国家发明专利4项。

3、甘玉泉。

副研究员，女，1986年5月出生，中共党员，信号与信息处理专业博士，西安邮电大学信息与通信工程专业硕士生导师。

主要从事高光谱图像处理、光谱成像技术、机器学习、深度学习及其在图像、生物医学、物联网等领域的应用研究。在国内外主流会议和期刊(AOPC，IET，JARS，IEEE，光谱学与光谱分析，光子学报等)发表论文20余篇。主持(完成)省部级科研项目3项。

陈传波，男，博士，教授，博士生导师，1957年8月19日出生。主要从事图形图像处理和计算机应用技术研究。现任软件学院院长，兼任湖北省人民政府第四届咨询委员会特邀专家，教育部高等学校计算机科学与技术教学指导委员会委员，ACM会员，“高科技与产业化”杂志特邀编委，“中国进出口软件”杂志理事，国家高性能计算（武汉）中心学术委员会委员，中国计算机学会计算机应用专业委员会副主任委员，湖北省宇航学会计算机应用专业委员会主任委员。曾任武汉赛百数据系统有限公司总经理。1993年获政府特殊津贴，湖北省普通高校中青年跨世纪学术带头人，国家及地方多级专家库专家。指导博士后和博士生19人、硕士生100多名。完成基金项目、863项目、航天部项目、国家高性能计算基金项目、军口预研项目、国家创新基金项目、国际合作项目以及大型横向项目等纵横向项目43项。获得省部级科技进步一等奖1次、二等奖1次、三等奖3次。出版编著4部。在国内外学术刊物上发表学术论文298篇。三大索引收录共90多篇。 覃中平，男，教授，博士生导师。研究方向为网络与信息安全。博士研究生指导领域在华中科技大学为信息与通信工程（学科代码0810）中的通信与信息系统（代码081001），在武汉大学为计算机科学与技术（学科代码0812）中的信息安全（代码081220）。硕士研究生指导领域为软件工程（学科代码081280）中的网络软件开发和网络与信息安全。现研究项目有1）可信计算平台，密码分析，安全密码部件设计；2）网络安全分析，SSL分析；现开发项目有1）电子政务系统，电子支付系统；2）中小型企业信息系统。 肖来元，男，工学博士，教授，博士生导师，1957年1月出生。主要从事数字化技术与领域工程、IT项 目管理、软件服务与应用等相关方向的研究。现任软件学院副院长，中国机械工程学会、中国力学学会、中国计算机学会会员，教育部软件工程学科课程体系研究课 题组成员，清华大学出版社教材编审委员会委员。毕业于华中理工大学机械科学与工程学院，先后获得工学硕士和工学博士学位。工作领域主要涉及软件工程、机械 工程和力学的教学与科研工作，主讲过软件项目管理与案例分析、软件能力成熟度模型（CMM）、信息获取与沟通、结构力学、弹性力学、材料力学、机械原理与机械设计基础、有限单元法、边界元方法等多门本科与研究生课程；并长期从事结构与传动装置的弹性动力学和计算机仿真以及数字化技术与领域工程的跨学科研究，指导研究生80余人。出版专著2部、国家“十一五”规划教材1本、网络版电子教材1部；在国内外权威学术期刊上发表论文50余篇，其中多篇被SCI、EI收录；负责1项国家科技攻关子项目，参与2项国家重点科技攻关课题和国家自然科学基金资助项目，主持3项省部级研究项目和多项横向课题；获省级精品课程1门，省部级成果奖2项。 沈刚，男，博士，教授。1990年及1992年毕业于清华大学自动化系生产过程自动化专业和系统工程专业，分别获学士学位和硕士学位。后留校任教，曾参与多项CIMS课题研究。1995年至1999年在加拿大McGill大学Electrical and Compter Engineering系学习，获博士学位。1999年9月至12月，在多伦多大学Electrical Engineering系作访问研究。1999年起，在加拿大Kerr Vayne Systems及美国Motorola公司工作，从事自动化系统和移动通讯系统的研究及开发。2003年起，在华中科技大学软件学院开设《计算机网络》，《嵌入式系统》，《软件能力成熟度模型》等双语课程。在IEEE Transactions on Automatic Control等期刊和IEEE Conference on Decision and Control等会议上发表多篇论文。现主要研究兴趣包括实时系统，无线通讯系统，数字通信网络和软件工程等方向。 刘云生，教授，博导。ACM（美国计算机协会）、IEEE(国际电器电子工程师协会)高 级成员，中国安防技术专家委员会委员，国务院学位办学位评审专家，国家、湖北省、浙江省、河北省自然科学基金评审专家，上海特区科技顾问专家，湖北省科技 进步奖评审专家，湖北省政府采购评审专家，武汉市政府经济技术顾问专家，湖北省暨武汉计算机学会软件专委主任，华中农业大学、郑州轻工业学院兼职教授。曾 多次当选为IEEE ICDE （国际数据工程会议，世界三大顶级IT会议之一）、ISFST等国际学术会议的程序委员，分组主席，大会主席。作为我国最早的软件工作者之一，从事计算机科学及应用研究和教学工作30多年。1982-85年在美国University of Maryland 和 SST公司、ISSI公司进修，后正式聘为研究职员，从事数据库管理系统和软件开发工程工作。80年代中期在国内率先开始现代（非传统）数据库的研究开发，为其奠定了基础。1993-94年再次去美国University of Massachusetts、MIT作高访学者，进行主动、实时、内存数据库及其集成技术的研究，被我驻美使馆评价为“取得突出成果”。目前的主要研究领域为：现代（非传统）数据库理论与技术及其系统实现；嵌入式、移动、实时计算；实时数据集成管理与开发环境；软件方法学与工程技术；现代信息系统开发与应用等。先后指导博士后、博士30余人，硕士200余名。主持省部级以上各科研项目30多项；发表论文近300篇，其中被SCI、EI索引等收录80多篇，被他人直接正式引用100多次；出版《现代数据库技术》（国防工业出版社）、《特种数据库技术》（合著，科学出版社）等专著与教材6部。获国家（教育部提名）自然科学二等奖、部省级科技进步一、二等奖等8项；省优秀博士学位论文指导教师奖2次；梁亮胜科技贡献二等奖，优秀论文一、二等奖，优秀教材一、二等奖等10多项；优秀研究生指导教师、先进工作者、优秀党员、“三育人”奖等各种奖20余次。 文远保，男 ，教授。毕业于华中科技大学（原华中工学院）无线电系无线电技术专业。1970年开始在本校计算机系从事计算机教学和科研工作,1978年晋升为讲师，1983年去美国进修学习、1989年晋升为副教授，1998年晋升为教授。曾任计算机及应用教研室副主任，校计算中心副主任,ASIC研究所副所长。兼任中国计算机学会仿真机分会理事。主要研究方向有：计算机系统结构、VLSI/ASIC设计技术、高级语言程序设计及软件开发、多媒体计算机技术、计算机网络及信息系统等。长期从事本科生、研究生的计算机组成原理、高级语言程序设计、计算机系统结构、ASIC设计技术、多媒体计算机技术、计算机网络、数据库技术应用及实现等课程的教学工作。主持完成的纵、横向项目包括863 CIMS 工程以及大型横向等科研项目20多项，多数为软件研究开发项目。在国内外权威和重要学术刊物上发表论文40余篇，指导硕士研究生50多人。 吴涛，男，博士，副教授，1972年出生，软件科学与工程系主任。主要研究方向包括：软件开发与质量保证、软件复用与产品化、软件病毒、三维造型技术等，发表相关论文10余篇。2005年赴新加坡主持软件外包项目开发；2006年参与863项目基于复杂性科学的车间动态调度理论与方法研究；2007年赴爱尔兰参加面向工业化的教育进修；2008年主持教育部特色专业建设项目。2003-2008年主持开发微软亚洲研究院资助项目2项，国防项目1项，省部级以上项目4项。率队获首届“花旗杯” 科技应用大赛全国一等奖，首届微软“创新杯” 大赛全国三等奖，2008年获华中科技大学教学成果一等。高建生，男，副教授，工学硕士，副教授，华中科技大学计算机专业。几十年来一直工作在华中科技大学,一 直从事对计算机系统的研究和计算机专业的教学工作，从而积累了计算机设计原理、计算机系统的合成等方面的知识，设计出了简易计算机系统，该系统有自己设计 的指令集，系统具有自动执行程序的功能。教学环节中获得教书育人先进教师奖，也曾多次获得学校教学质量优秀奖。教学研究中先后参编《计算机组成原理》教 材，主编《微型计算机原理及应用》教材，主编《计算机组成原理》教材。科研中获得省科学进步奖二等奖1项，主要从事计算机系统、存储系统的研究。 陈长清，男，工学博士，副教授，1969年7月出生。就读于华中科技大学计算机学院，先后获得工学学士、硕士和博士学位。1994/7—1999/8在湖北省农业银行科技处工作，从事金融软件开发与维护，通讯系统的设计与维护。从2003年至今，在华中科技大学软件学院工作，从事教学和科研工作。2003年在英国Reading大学进修，2009年在IBM美国硅谷实验室进修。近年来在国际和国内的期刊及会议上发表论文十余篇，其中数篇分别被SCI、EI和ISTP索引。主持或参与国家级和省级项目以及企业应用多项。获教育部-IBM精品课程和校级精品课程各一项，主持省级教改项目一项。现主要致力于数据库及软件工程相关领域技术的研究。 任宏萍，女，硕士，副教授，硕士生导师。1980年毕业于毕业于华中理工大学计算机系计算机及应用专业。1986年毕业于华中理工大学软件助教进修班。2006年毕业于新加坡南洋理工大学，并获得硕士学位 M.Sc. in Communication Software & Networks。1980年毕业后留校在华中科技大学计算机学院工作。1987年晋升为讲师，1994年被聘为副教授。1997年去新加坡学习、工作。2007年返校。多年来主要研究方向为面向对象技术和基于网络的软件研究与开发。完成和主持完成多个纵、横向科研和教学改革研究项目，其中包括863项目。在国内重要期刊上发表科研论文若干篇，合编著并出版教材3部。主讲过面向对象程序设计，UML及建模技术，数字逻辑、计算机网络等本科生和研究生课程并指导研究生若干名。多次获得教学质量优秀奖。在新加坡工作期间，多次获的Singapore Public Sector WITs Conventions和TEMASEK理工学院授予的软件研究与开发创新奖。目前主要研究方向为：面向对象技术, 基于WEB技术的软件研究与开发，虚拟现实技术，网络信息安全。 陆永忠，男，博士，副教授。2001年获华中科技大学工学博士学位。2001年至2003年在华中科技大学计算机学院作博士后研究。2009年至2010年在澳大利亚悉尼大学做合作课题研究。曾经参与并承担了多项国家重大、国家自然科学基金、国家重点实验室和省部级科研项目的研究与开发。在人工智能、模式识别、软件工程、软计算及网络式软件开发等方面积累了丰富的经验，发表了70多 篇学术论文。目前承担的主要教学任务是网络式软件开发及软件工程等课程，并在本课题组研究生范围内设置了专业特色培养计划，增设了人工神经网络与微粒群优 化、软计算及软件工程前沿新技术发展等新课程的学习，促使学生培养良好的科学研究方法论，更好地面向未来，面向社会，面向世界。 黄立群，男，博士，副教授，1969年10月出生。1988.9至1992.7华中理工大学电力系电磁测量专业学习，获学士学位；1992.9至1995.5华中理工大学自控系系统工程专业学习，获硕士学位；1995.9至1999.12，华中理工大学电信息系通信与电子系统专业学习，获博士学位。2000年至2004年在武汉市东胡开发区管委会工作,2002年作为武汉市政府驻美国友好城市匹兹堡市代表，赴美国工作。2004年2月至今华中科技大学任教。1996获得ORACLE联合大学国际认证证书；2000.5至2000.6由国家外国专家局选派赴以色列参加国际企业管理交流，获国际认证证书。主持研究项目5项，参加自然科学基金、863项目和九五攻关项目各一项，参加其他科研项目12项。在《通信学报》、《电子学报》、《电子科学学刊》、《华中理工大学学报》、《计算机工程与应用》等刊物及国际会议上发表十篇论文。主要研究方向为计算机网络技术与应用、移动计算、决策支持系统、嵌入式系统的研究。 卢力，男，博士，副教授，硕士导师，1964年5月出生。1982年9月～1986年6月就读于华中师范大学数学系，获学士学位；1993年9月～1997年6月就读于原华中理工大学数学系计算数学专业，获硕士学位；2002年9月～2006年12月就读于华中科技大学图像所模式识别与智能系统专业，获博士学位。1997年晋升现职。主持和参加过多项科研课题的研究，其中包括作为主要成员参与了国防预研基金项目“超分辨率卫星图像处理技术研究”（2001.7-2005.12）、国家自然科学基金资助项目“高性能计算中的快速算法及其应用研究”（2005.1-2007.12）等，目前在研项目是 “星上遥感图像智能信息处理与实时实现技术方案”（2006年国防科工委民用航天计划资助项目）；在国内外重要期刊和会议上发表科研论文二十余篇；编写网络视频教材一部。曾两次获得学校教学质量优秀奖。主要研究方向是高性能数值计算、图像信号处理、网络信息安全等。 邱德红，男，博士，副教授，1971年生。1993年在华中理工大学自动控制工程系获学士学位；1995年在华中理工大学自动控制工程系获硕士学位；1998年在华中理工大学电力系统自动化获博士学位；2001年在香港理工大学获哲学博士学位；2001年进入华中科技大学计算机科学与技术博士后流动站做博士后；2003-2004年在香港理工大学做研究。主要从事机器学习理论及其应用、数字媒体技术、图像处理、软件工程等研究，主持和参与过国家自然基金、863项目和香港RGC基金项目和湖北省教学改革项目。在IEEE Transaction等重要国际学术期刊和国内权威期刊上发表了论文共30余篇，其中5篇被SCI收录，10篇被EI收录，1篇被ISTP收录，多篇在国际国内学术会议上宣读。 方少红，女，博士，副教授，1968年8月出生。1989年武汉大学科技情报专业毕业获理学士学位，1997年原华中理工大学计算机软件专业毕业获工学硕士学位，2005年至今在职就读于华中科技大学计算机应用专业博士研究生。2000年被评为副研究馆员，2005年被评为副教授。持有DIALOG信息检索咨询员、IBM AIX系统管理员以及IBM DB2系统管理员等资格认证。2005至2007年主持并完成2项国家863计划子项目，现负责在研1项国家863计划项目和1项国家709计划子项目、参加在研1项国家自然科学基金项目。发表国内外学术论文5篇，参编出版教材3本。2006年获华中科技大学教学质量优秀奖二等奖，2007年获武警部队科技进步奖二等奖。主要研究方向：图形图像处理、媒体信息管理、数据库应用系统。 薛志东，男，博士，副教授，1973年4月生。1997年7月于原华中理工大学获学士学位；2002年6月于华中科技大学计算机应用专业获硕士学位；2006年6月于华中科技大学系统分析与集成专业获博士学位；2006年9月于华中科技大学计算机科学与技术博士后流动站开展研究工作。在图像处理及生物信息学领域发表论文10余篇，曾承担国家自然科学基金、湖北省博士后基金等的项目的研究工作。目前主要研发兴趣包括游戏及动画制作技术、图像及模式识别、生物信息学、Java软件开发等。 武剑洁，女，博士，副教授。1993年至1997年，就读于武汉理工大学，获学士学位；1997年至2004年，就读于华中科技大学国家CAD支撑软件工程中心，获硕士和博士学位。同期在武汉天喻软件有限责任公司从事三维产品设计软件系统的开发工作。2004年至今，华中科技大学软件学院任教。现为中国光学学会和中国计算机学会会员。出版教材《软件测试技术基础》。在ICESS2008、CISP2008、PA2007、《计算机辅助设计与图形学学报》、《计算机工程》等国内外重要学术刊物上发表论文十余篇，其中有多篇文章被EI和ISTP收录。主持和参与横纵向科研与教学项目多项。参与的科研项目包括国家“十五”科技攻关项目“产品设计CAD软件”、香港工业技术发展署资助项目“计算机辅助三维服装设计系统的研究与开发”、国家自然科学基金项目“基于移动传感器的主动式闭环测量规划理论与方法”等。参与湖北省精品课程、湖北省教学研究项目、教育部-微软精品课程、教育部特色专业等多项教学改革项目。目前主要的研究方向为计算机辅助设计、图形图像处理、数字媒体技术、软件工程等。 李自力，男，博士，副教授，1965年5月生。中国计算机学会高级会员，中国计算机学会虚拟现实与可视化技术专业委员会委员，中国图象图形学会虚拟现实专业委员会委员，中国图象图形学会数码艺术专业委员会委员，中国动画学会会员。2002年12月华中科技大学电子与信息工程系博士毕业，方向为多媒体信息处理，博士学位论文《虚拟现实中基于图形与图象的建模与绘制(G&IBMR)的研究》荣获湖北省优秀博士学位论文。2003年5月至2005年5月在哈尔滨工程大学计算机科学与技术博士后流动站中船重工集团第709所分站作博士后研究，博士后研究报告《虚拟海战场环境的建模与绘制及计算机生成兵力（CGF）的研究》。1995年1月——2002年12月，在华中科技大学电子与信息工程系任教，同时在电信系所办的东湖高新企业武汉鸿象信息技术公司从事三维动画制作及研究，武汉鸿象信息技术公司创于1991年，是湖北省最早从事三维动画制作及三维图形研究的公司。2009年9月 调入软件学院数字艺术系工作。先后参加了国家自然科学基金、湖北省重点科技发展项目及横向协作项目多项，内容涉及图像理与识别、虚拟现实与视景仿真。这些 项目包括：国家自然科学基金项目“光子的超导理论及验证”、“海底地形探测成像新技术研究”、湖北省重点科技攻关项目“建筑设计方案计算机三维动画辅助评 审系统”（北省科技进步二等奖）等,主持了横向协作项目中国长江三峡工程总公司“三峡工程多媒体演示系统”、中国葛洲坝集团公司“三峡工程截流视景仿真”、中船重工709所“HZC对抗视景仿真软件模块研制”。已在“Chiese Journal of Electronics”、“通信学报”、“中国图象图形学报”、“电子与信息学报”、“系统仿真学报”、“华中理工大学学报”、SPIE等刊物或国际会议上发表学术论文十多篇，被EI、SCI、STP收录十几篇。研究方向：计算机图形与虚拟现实、多媒体信息处理、动漫与3D游戏技术、影视动画艺术。联系方式E-mail:。 刘小峰，男，博士，副教授，1974年8月出生。1993年至1997年就读于华中理工大学土木工程系，获工学学士学位；1997年至2000年就读于华中科技大学计算机学院，获工学硕士学位；2002年至2005年就读于华中科技大学计算机学院，获工学博士学位。先后参与和主持多项国家自然科学基金、863计划、国防预研纵向课题研究，获得湖北省科技进步一等奖1次。在权威刊物和国际会议上发表论文十余篇，其中EI收录6篇，SCI收录2篇。主要研究方向：信息存储和信息检索、Web信息抽取、分布式系统、图像检索等。 万琳，女，博士，副教授，1975年1月出生。1997年毕业于华中理工大学计算机系软件专业，之后在华中科技大学计算机学院应用专业继续攻读硕士及博士学位。在任教期间曾讲授计算机图形学、C程序设计等多门课程。2000年“计算机图形学CAI”项目获得校级教学成果二等奖；2001-2002学年度校教学质量二等奖；2002-2003学年度校教学质量二等奖；2004年“基于网络的自主型硬件虚拟实验环境构建”项目获得校级教学成果一等奖；2005年：教改项目“互动性数字逻辑虚拟实验教学平台建设”获国家级教学成果二等奖。在校工作期间，主持并作为主要成员参加863和国防预研纵向课题研究项目10余项。主持的项目包括Mobile SVG在嵌入式设备上的浏览软件、计算机网络系统诊断软件等多项。作为主要成员参加的项目“清江流域水电综合信息集成系统”获得湖北省科技进步一等奖。获得SVG图形编辑软件、NAM（非对称逆布局）图像表示和处理软件、计算机故障诊断软件等3项软件著作权。目前主要的研究方向为计算机图形图像，在权威刊物和国际会议上发表论文多篇。 胡雯蔷，女，博士，副教授。1993年至2000年就读于武汉理工大学物流工程学院，获学士和硕士学位；2000年至2005年就读于华中科技大学机械学院信息所，获博士学位。博士其间曾参与自然科学基金重大项目、973等多项横纵向项目。目前主持863康复机器人虚拟仿真课题及虚拟现实方向横向项目。在《The International Journal of Advanced Manufacturing Technology 》、《中国机械工程》、Proc. ICMA等国内外权威和重要学术刊物及会议上发表多篇论文，SCI、EI收录近10篇。主要研究方向为康复机器人虚拟仿真、虚拟现实、计算机视觉和模式识别等。 裴小兵，男，博士，副教授。1997年至2000年在深圳市邮电局工作，主要从事软件的研发与管理工作，负责开发了多个软件系统。2000年至2003年在华为技术有限公司工作，从事光网络系列产品的软件研究与开发工作，期间分别参与了TMN的研究与开发、MSTP系列产品的相关规划以及起草MSTP内嵌RPR技术规范等国标工作。2003年至2006年在华中科技大学计算机学院学习，获博士学位。期间在International Journal of Information Technology、小型微型计算机系统等期刊和International Conference on Intelligent Data Engineering and Automated Learning等会议上发表十多篇论文。现主要研究兴趣包括数据挖掘，软件工程，信息网络及网络安全。 区士颀，男，博士。1990年至1994年就读于西安建筑科技大学建筑系，获学士学位；1994至1997年在武汉煤炭设计院从事设计工作。1997至2000年就读于华中理工大学机械学院，获硕士学位；2000年至2005年就读于华中科技大学机械学院工业装备与自动化研究所，获博士学位。在煤炭设计院工作期间完成了多项规划和设计任务。攻读硕士期间在开目信息技术有限责任公司进行软件开发工作，研究内容为MIS系统中的车间派工调度软件模块。攻读博士期间的研究课题为目前计算机图形学的前沿技术——任意拓扑曲面的多分辨率建模技术。在《The Visual Computer》、《The International Journal of Advanced Manufacturing Technology》、《华中科技大学学报》、《中国机械工程》等国内外权威学术刊物及会议上发表多篇论文。目前主要的研究方向为计算机图形学与可视化、，虚拟现实、动画技术、智能CAD、软件工程等。 苏曙光，男，博士，湖南临湘人，1975年7月出生，中国计算机学会高级会员，航天科工集团目标与环境光电特性国防重点实验室技术顾问。1994.9～1998.7就读于华中理工大学电子系获工学学士学位；1998.7～2000.6工作于长虹电子集团；2000.9～2006.5就读于华中科技大学计算机系，硕博连读并获得工学博士学位。近5年在国内外重要学术刊物和国际会议上发表论文22篇，且多数被EI或ISTP全文收录。参与国家863科研两项，国防重点预研项目一项，主持和重要参与的横向项目主要有遥感高光谱图像处理系统、战场红外视景仿真系统、基于网络协作的战场动态场景模拟与虚拟测试平台、星上图像无损压缩系统等。目前研究方向和兴趣：（1）多媒体通信和视频编码（2）操作系统和中间件（3）计算机体系结构和嵌入式系统。 曹华，男，博士。1992年毕业于华中理工大学自控系，获学士学位；先后供职于深圳先科激光、武汉邮电科学研究院等单位，从事自动化设备设计、可编程控制器软件开发、光网络产品的研究开发工作。2001年～2006年就读于华中科技大学计算机学院，获工学博士学位。曾主持参与的项目：湖北省教育厅教师职称申报管理系统、湖北应城盐业集团财务软件、GIS水务管理系统、远程IP Camera系统、硬盘视频监控系统、PCI视频切换矩阵卡、PCI报警卡，某国防视频网络加密系统预研课题等大中型项目。在国内外重要学术刊物（会议）发表论文10篇，其中 3篇被EI检索。现在主要研究兴趣包括：图像视频的嵌入式系统应用，多媒体信息安全，计算机视觉。 吕泽华，男，博士，1976年12月出生。1994年至1998年就读于华中师范大学数学系，获理学学士学位；2001年至2007年就读于华中科技大学计算机学院，获工学博士学位；2008年至2009年进入华中科技大学自控系从事博士后研究工作，在国内权威期刊及国际学术会议发表论文二十余篇，参与国家973项目一项，国家自然科学基金项目2项。主要研究方向为模糊计算、近似推理、数据挖掘等。

食品药品检测，指纹/笔迹鉴定，艺术品鉴定，地物检测，岩心检测

高光谱图像分类投稿期刊

美国 ：德克萨斯Texas A&M University ： Wesam Sakla, Andrew Chan, JimJi 罗彻斯特理工学院Rochester Institute of Technology：John P. Kerekes，Peter Bajorski， Ariel Schlamm, David Messinger，mmett J. Ientilucci，E Marcus S. Stefanou, William Basener 密西西比大学Mississippi State University地球系统科学研究所： Qian Du， James E. Fowler, Ben Ma U.S. Army Research Laboratory：N. M. Nasrabadi，PrudhviGurram，Heesung Kwon 约翰霍普金斯The Johns Hopkins University： Baltimore Y. Chen and T. D. Tran， Amit Banerjee, Radford Juang, Joshua Broadwater, and Philippe BurlinaPurdue University，Laboratory for Applications of Remote Sensing：Melba M. Crawford， Li Ma Air Force Research Laboratory： Michael T. Eismann, Joseph Meola，T. Cooley MIT Lincoln Laboratory ： D. Manolakis 国家航空航天情报中心，National Air and Space Intelligence Center： J. Jacobson Susquehanna University ： Edisanter Lo Duke University： Kalyani Krishnamurthy, Maxim Raginsky and Rebecca Willett University of Maryland, Baltimore，the Remote Sensing Signal and Image Processing Laboratory,Department of Computer Science and Electrical Engineering： *Chein-I Chang 加州理工学院California Institute of Technology ： D. R. Thompson, L. Mandrake, and R. Castaño 洛斯阿拉莫斯国家实验室 Los Alamos National Laboratory ： Ingo Steinwart, James Theiler, and Daniel Llamocca 欧洲：法国航空航天实验室French Aerospace Lab： V. Achard，J.P. Ovarlez1，J.P. Ovarlez 法国Institut Fresnel Salah Bourennane： Caroline Fossati, and Alexis Cailly， Sylvain Jay, Mireille Guillaum 比萨大学,University of Pisa ： StefaniaMatteoli，Marco Diani，Giovanni Corsini， TizianaVeracini 英国皇家军事学院，Royal Military Academy, Signal And Image Centre ： D. Borghys 西班牙，埃斯特雷马杜拉大学University of Extremadura， Hyperspectral Computing Laboratory ： Abel Paz and Antonio Plaza 亚洲： 伊朗）德黑兰大学,University of Tehran ： SafaKhazai，Barat Mojaradi，A. Safari， S. Homayouni 内盖夫本-古里安大学（Ben-Gurion University of the Negev）以色列 ： NirGorelnik, HadarYehudai and Stanley R. Rotman, M. Vortman, and C. Biton 哈工大 ： Zhenlin Liu, YanfengGu, Chen Wang, Jinglong Han, Ye Zhang 北京航空航天大学：Jihao Yin, Yan Wang, Yisong Wang 武汉大学：Liangpei Zhang ，Bo Du ，Wei Lifei，Ma Taolin 国防科技大学：Liangliang Wang, Zhiyong Li, Jixiang Sun, Shilin Zhou，ZHENG Mao 解放军信息工程大学测绘学院： 路威，余旭初，马永刚 祝学习、科研顺利！！

高光谱分辨率遥感是用很窄而连续的光谱通道对地物持续遥感成像的技术。在电磁波谱的可见光、近红外、中红外和热红外波段范围内，采用光谱分辨率高达纳米数量级的光谱仪在几十个甚至数百个波段同时对地物进行成像，获取许多非常窄的连续光谱波段信息，实现了地物空间信息、辐射信息、光谱信息的同步获取，实质为光谱分辨率的不断提高。由于高光谱遥感影像数据具有丰富的光谱波段信息，其应用领域涉及比较广，比如在农业遥感监测方面，可利用高光谱遥感数据可以计算归一化植被指数、叶面积指数、叶绿素含量等信息，可对植物的生长变化、病虫害及其对土壤的污染程度等进行分析与评估，从而促进农业的优质、高效的发展。据有关报道，自然资源部利用高光谱卫星影像数据已经在林业资源变更调查、自然资源审计、灾害应急、地理国情监测以及主要生态功能区植被长势监测等方面开展了大规模的应用示范。由此可见，高光谱遥感技术已被广泛应用于实际工作中，且在其他方面诸如海洋水质监测、地质勘探、林业遥感、现代军事等领域也有着广阔的应用前景。

图1 不同光谱分辨率遥感影像的对比图

随着科学技术的不断进步与发展，传统的高光谱影像在地物分类上显现出许多不足，其特征能力表达有限、冗余度高、泛化能力较弱以及分类精度差，已无法满足当下高精度的分类需求。随着深度学习的不断发展，卷积神经网络可以进行监督与非监督的学习，可更深层次处理高光谱遥感影像分类。

卷积神经网络是一种以卷积操作为主的神经网络，常用于提取图像特征，可以用作图像分类、语义分割、图像生成等功能。由于卷积神经网络具有局部区域链接、权值共享、降采样的结构特点，使得卷积神经网络在提取特征能力时减少训练权值个数、减少过度拟合以及较高的泛化能力等特点为高光谱遥感影像分类提供强有力技术支撑，卷积神经网络的输入层可处理多维数据，分别为一维卷积神经网络（1DCNN）、二维卷积神经网络（2DCNN）以及三维卷积神经网络（3DCNN）。在一维卷积神经网络中，内核沿一个方向移动，在二维卷积神经中，内核在二个方向上移动，而三维卷积神经网络中，内核是在三个方向移动。因此，本文通过研究输入不同维度的卷积神经网络方法对高光谱遥感影像地物分类进行对比，验证三维卷积神经网络较其他维度的卷积神经网络在高光谱图像分类上其特征提取、冗余度以及分类种类数量上效果更加显著。

本文主要研究不同维度的卷积神经网络对高光谱遥感图像分类的方法。在卷积神经网络中，常以一维卷积神经网络（1DCNN）来获取高光谱遥感图像的光谱特征，以二维卷积神经网络（2DCNN）来获取空间特征，以三维卷积神经网络(3DCNN)或以一维卷积神经网络加上二维卷积神经网络（1DCNN+2DCNN）来获取光谱与空间特征。利用不同维度卷积神经网络进行高光谱遥感图像特征提取的方法，构建了在不同的数据集中包含1DCNN、2DCNN、(1D+2DCNN、3DCNN) 的方法的模型组。

3.1 基于高光谱遥感的一维卷积神经网络(1DCNN)的方法分析

在一维卷积神经网络中是将卷积神经网络的输入层图像的所有的像素点会让卷积神经网络组合成一个行向量，即为一维的维度，可用这一维的维度向量来表示光谱信息。通过卷积层对这输入层进行两次卷积之后所提取的像素点，这一过程称之为一维特征提取。图2表示基于高光谱遥感一维卷积神经网络的光谱特征提取过程。将高光谱遥感影像每一个像素点进行卷积、降采样、卷积、降采样这一过程后所提取的的像素点的为光谱特征提取。

3.2 基于高光谱遥感的二维卷积神经网络(2DCNN)的方法分析

二维卷积神经网络有着长和宽的两个空间维度，常用来处理图像空间信息。二维卷积层是通过将输入层和卷积核做相互运算，并加上一个标量差来得到的输出。图3表示基于高光谱遥感的二维卷积神经网络空间特征提取的过程，将高光谱影像数据每个局部区域通过重复使用卷积核做相互运算而输出得到在空间维度（宽和长）上某一级的特征。其也可通过二维卷积神经网络来完成图像分类的过程。

3.3 基于高光谱遥感的联合卷积神经网络(1D+2D CNN)的方法分析

联合卷积神经网络是通过输入图像，分别提取光谱特征以及空间特征，经过各种卷积合并在一起进行提取的光谱信息，称之为联合空谱特征提取，图4表示基于高光谱遥感影像联合提取空谱特征的过程。即将输入高光谱影像，分别提取其光谱特征与空间特征，然后合并经过卷积层所提取的空谱特征。

3.4 基于高光谱遥感的三维卷积神经网络(3DCNN)的方法分析

三维卷积神经网络有着高度、宽度以及深度的三个空间维度，在三维卷积神经网络中，内核是沿3（图像的高度、宽度、深度）个方向移动的。由于它移动是个3D空间，所以输出值也是按3D空间分布。图5表示基于高光谱影像直接获取空谱特征的 3D CNN 典型模型的过程。即将输入高光谱影像数据，通过堆叠多个连续的像素而组成的立方体，然后在立方体中运用3D卷积核而提取的特征。

利用A、B以及C三个数据集，针对高光谱图像分类进行了实验，每个数据集影像分类方式都包含一维卷积神经网络(1DCNN)、二维卷积神经网络(2DCNN)、联合卷积神经网络(1D+2DCNN)以及三维卷积神经网络(3DCNN)的方法执行。

A 数据集由AVIRIS 传感器在某地区松林试验区采集得到 ，该数据集覆盖光谱范围为 0.4-2.5μm，谱分辨率为10nm,可提供224个谱段，空间分辨率为 20m，数据大小为 145*145，通过删除覆盖吸水区域的波段，剩余为200个，它包含16种农作物类别。

B 数据集由 ROSIS 光谱传感器在某地城镇集中区采集得到 ，该数据集由 0.43-0.86μm 的 115 个光谱波段构成，每个波段由空间分辨率为 1.3m 的 610 340 的像素组成，其中它有 9 个地物类别经过处理后，剩该数据集有103 个光谱波段。

C 数据集由 AVIRIS 光谱仪在某地生态片区采集得到 ，该数据集覆盖光谱范围为 0.4-2.5μm，谱分辨率为10nm,可提供224个谱段，空间分辨率为 18m，每个波段由512 614 个像素构成，共有 13个类别，去掉吸水率和低SNR频段后，剩余 176 个波段。图6、图7、图8为不同维度的卷积神经网络的方法在 A、B 以及 C 数据集上的分类图。

针对不同维度的卷积神经网络方法在三个基准数据集上的实验结果进行了比较分析，图6、图7、图8为不同维度的卷积神经网络的方法在A、B以及C数据集上的分类图。在三个数据集分类成果图中，与1DCNN、2DCNN以及1D+2DCNN的分类图相比，3DCNN的分类图不仅包含更加清晰的边缘，且包含更少的噪声，更加接近于真实地物图。通过不同维度的卷积神经网络方法在不同数据集下对应的分类图对比，证明了3DCNN用于高光谱图像特征提取效果更加显著。

通过以上分析，可以得出结论，利用不同维度卷积神经网络进行高光谱图像分类的方法相比，三维卷积神经网络（3D CNN）相对其他维度的卷积神经的分类图的冗余度、分类种类、地物特征提取能力都相对较高。因此，利用三维卷积神经网络（3D CNN）的方法进行高光谱遥感图像分类更优。

参考资料：

[1] 张欣. 基于三维卷积神经网络的高光谱遥感图像分类技术研究[D].中国科学院大学(中国科学院长春光学精密机械与物理研究所),2021.

图像处理发表论文

我觉得只要你做好了知道有方向知道怎么导师告诉你怎么写，你就知道怎么发论文了。

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。

科研生涯中总免不了要发表文章，在这其中，如何对实验数据及图片进行处理和整理也是重要的一个环节。我在网上并未找到比较好的教程，所以自己摸索了一番，将一点经验写下来。 我们一般会将实验中得到的图片数据用PPT进行拼图，按照行文思路，每张PPT整理为一幅图，分别标为Figure1,2,3……。那么第一步，我们需要将PPT打印为PDF格式。可以使用PDF虚拟打印机，这样可以得到高质量的PDF文件。打印时选择打印选项，导出为高质量文件。 随后我们将该PDF文件用Photoshop打开。一般SCI论文所需的图片质量为600dpi，所以我们打开PDF时也应选择较高的分辨率。 用PPT拼图时往往会在页面中大量留白，这些空白会对文章编辑带来困扰，所以我们需要在photoshop中进行调整。假设粉红色部分为我们所需的图片区域。 选中粉色区域，再shift+control+i反选空白区域进行删除。空白区域变成透明。 选择图像，裁切，基于透明像素。 将导出的图片重新进行排序和整理，即可用于投稿。

遗传算法应用于图像匹配的最早论文是由美国科学家戴维·戈德伯格（David Goldberg）在1988年发表的论文《基于遗传算法的图像匹配》（"Genetic Algorithms in Search, Optimization, and Machine Learning"）中，提出了一种利用遗传算法进行图像匹配的方法。该方法主要是利用遗传算法对图像特征进行编码，并通过遗传算法的交叉、变异等操作，对不同的图像特征进行优化，从而实现图像匹配的目的。这篇论文的发表标志着遗传算法在图像处理领域中的首次应用，为后来的相关研究奠定了基础。同时，该论文也表明了遗传算法在解决复杂优化问题中的潜力和优越性，成为了现代遗传算法应用领域的开山之作。

图像处理论文发表

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：

2.1 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。

2.2 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]。

2.3 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 K.Information 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

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

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，那是庞氏局。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。

图像处理sci期刊

期刊： best (1) IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE模式分析与机器智能汇刊，简称PAMI，是IEEE最重要的学术性汇刊之一。 (2) ACM Transactions on Graphics，美国计算机协会图形汇刊，简称TOG，该刊侧重于计算机图形的处理，影响因子在该领域也比较高。 (3) International Journal of Computer Vision，该刊也是该领域的顶级期刊之一，相比于PAMI来讲，该刊侧重于理论的推导。 (4) IEEE Transactions on Image Processing，该刊也是图像处理领域的代表性期刊之一，相比于上面三个期刊来讲，该刊稍微低一点层次。 good (1)Computer Vision and Image Understanding Pattern Recognition：CVIU (2)Advances in Neural Information Processing Systems：NIPS elsevier系列 (1)image and vision computing (2)journal of vision communication and image processing (3)signal processing (4)signal processing:image communication (5)pattern recognition (6)pattren recognition letter (7)computer vision and image understanding (8)medical image analysis 会议： best (1)ICCV：Inter. Conf. on Computer Vision (2)CVPR：IEEE conf. on Computer Vision and Pattern Recognition (3) ECCV：Euro.Conf. on Computer Vision good (4) ICIP：Inter.Conf.on Image Processing (5) ICPR ：Inter.Conf.on Pattern Recognition (6)ACCV：Asia Conf. on Computer Vison (7)IVCNZ：IEEE conf. on Image and Vision Computing New Zealand (5)BMVC：British Machine Vision Conference

SCI】【计算机视觉】【图像处理】一二三四区期刊推荐(自用版本)11月16日四区 1. IET Computer Vision 顶刊:否 出版商:IET 影响因子:1.484 官方网站 2. IET Image Processing 顶刊:否 出版商:IET 影响因子:1.34...CSDN编程社区计算机类SCI前三区期刊 - 张同光 - 博客园2016年2月1日COMPUTER SCIENCE, SOFTWARE ENGINEERING 3 工程技术 3 COMPUT AIDED

(1) IEEE Transactions on Pattern Analysis and Machine Intelligence，IEEE模式分析与机器智能汇刊，简称PAMI，是IEEE最重要的学术性汇刊之一。 (2) ACM Transactions on Graphics。美国计算机协会图形汇刊，简称TOG，该刊侧重于计算机图形的处理，影响因子在该领域也比较高 (3) International Journal of Computer vision，该刊也是该领域的顶级期刊之一，相比于PAMI来讲，该刊侧重于理论的推导。 (4) IEEE Transactions on Image Processing，该刊也是图像处理领域的代表性期刊之一，相比于上面三个期刊来讲，该刊稍微低一点层次。