2014-02-03 19:27:03 u012116009 阅读数 673

一、   郑福华:参加2013ICIP会议的总结和收获体会

2013年09月15-18号,由IEEE Signal Processing Society主办的图像处理国际会议ICIP在澳大利亚墨尔本会展中心举办。图像处理国际会议自举办以来,汇集了来自世界各地的图像和视频处理的领先的工程师和科学家。本次大会的主题主要涉及:图片/视频编码和传输;图片/视频编处理;图像形成;图像扫描,显示和打印;图像/视频存储,检索和验证等方面。会议主要通过大会报告、邀请报告,小组报告和论文张贴等形式展示国际图像处理的成果。参加本次图像处理国际会议的专家学者都是在图像处理方面做出研究成果的人,他们来自世界的不同地区与国家,如中国大陆、中国香港和台湾、美国、澳大利亚、西班牙、日本、韩国、新加坡等。我很荣幸地去参加了此次会议,并在17号的图像处理分割小组做了报告。。。。。。。


二、  图像处理的方向   (里面有很多链接资料,细看)

首先可以把图像看成二维、三维或者更高维的信号,从这个意义上来说,图像处理是整个信号处理里面就业形势最好的,因为你不仅要掌握(一维)信号处理的基本知识,也要掌握图像处理(二维或者高维信号处理)的知识。其次,图像处理是计算机视觉和视频处理的基础,掌握好了图像处理的基本知识,就业时就可以向这些方向发展。目前的模式识别,大部分也都是图像模式识别。在实际应用场合,采集的信息很多都是图像信息,比如指纹、条码、人脸、虹膜、车辆等等。说到应用场合,千万不能忘了医学图像这一块,如果有医学图像处理的背景,去一些医疗器械公司或者医疗软件公司也是不错的选择。图像处理对编程的要求比较高,如果编程很厉害,当然就业也多了一个选择方向,并不一定要局限在图像方向。。。。。。



2014-07-17 20:53:01 chchlh 阅读数 2870

PPT学习记录
图像颜色,压缩,图像复原,图像增强(空间域变换,频域变换)

1.会议||杂志:

JCST, ICCV, CVPR,ECCV MM, ICIP, ICME, ICPR, CIVR

ICCV ECCV CVPR是机器视觉领域的三大会议。

2.邻域处理方法是图像增强和复原过程的核心
3.取样:图像空间坐标的数字化(确定水平和垂直方向上的像素个数)
非统一的图像采样:在灰度级变化尖锐的区域,采样细腻
变化平滑,粗糙采样
量化:图像函数值的数字化
4.数字图像的表示:二维离散亮度函数,二维矩阵
5.BMP格式
(1)位图文件头 包括文件类型,文件大小,偏移
(2)位图信息头 包括分辨率,压缩类型
(3)调色板 保存颜色信息(蓝/红/绿色分量)(真彩色图不需要调色板,因为:在RGB色彩空间,图像深度与色彩的映射关系主要有真彩色、伪彩色和调配色。真彩色(true-color)是指图像中的每个像素值都分成R、G、B三个基色分量,每个基色分量直接决定其基色的强度,这样产生的色彩称为真彩色。例如图像深度为24,用R:G:B=8:8:8来表示色彩,则R、G、B各占用8位来表示各自基色分量的强度,每个基色分量的强度等级为2^8=256种。图像可容纳2^24=16M种色彩(24位色)。24位色被称为真彩色,它可以达到人眼分辨的极限,发色数是1677万多色,也就是2的24次方。但32位色就并非是2的32次方的发色数,它其实也是1677万多色,不过它增加了256阶颜色的灰度,为了方便称呼,就规定它为32位色。这些只是相对于人眼的识别能力,这样得到的色彩可以相对人眼基本反映原图的真实色彩,故称真彩色。From百科)
(4)图像数据 对于256色位图:用8位来表示一个像素颜色,所以一个字节表示一个像素。对于真彩色图,3个字节表示一个像素。
6.图像的质量
层次:0-255,图像为256个灰度级,图像实际拥有的灰度级的数量就是层次。
对比度:一幅图像灰度反差的大小
对比度 = 最大亮度 / 最小亮度
清晰度:(1)亮度(2)对比度(3)尺寸(4)细微层次(5)颜色饱和度
7.像素之间的基本关系:
邻域 && 连通
8邻域 = 4邻域 + D邻域
连通的必要条件:位置相邻,灰度近似
m连通:是4连通或者是D连通但是P与Q的四连通的交集是空(灰度值为0?)
通路:邻接像素均连通
距离:欧氏距离 D4距离:菱形 D8距离: 正方形,D8(p, q) = max( |x -s|, |y-t|)
8.图像增强
方法:空域方法(点处理(变换)、模版处理(滤波)) || 频域方法(傅里叶变换)
策略:全局处理 || 局部处理
对象:灰度图像 || 彩色图像
9.空间域增强 g( x, y ) = T{f( x, y )}
T是指变换 r是指灰度级 【0-255】
具体有:
反转变换 s = ( L - 1 ) - r ---黑白转换
对数变换 s = clog( 1 + r ) ---灰度压缩
幂次变换 s = cr^y
其中c、r均为正数。与对数变换相同,幂次变换将“部分”灰度区域映射到更宽的区域中。当r=1时,幂次变换转变为线性变换。
(1) 当r<0时,变换函数曲线在正比函数上方。此时扩展低灰度级,压缩高灰度级,使图像变亮。这一点与对数变换十分相似。
(2) 当r>0时,变换函数曲线在正比函数下方。此时扩展高灰度级,压缩低灰度级,使图像变暗。
对比度拉伸 == 灰度拉伸,提高图像处理时灰度级的动态范围
灰度级切片 == 关心范围指定较高值,其他指定较低值
平面切片 == 通过对特定位提高亮度,改善图片质量
较高位(前四位)包含视觉重要数据,后四位对微小细节起作用。256灰度级可以分为0-7共8个平面位
9. 代数运算
(1)加法:去除叠加性噪声
对f有噪声图像集{gi}
gi( x, y ) = f( x, y ) + hi( x, y )
噪声h( x, y )均值为0且互不相关
E(g( x, y )) = f( x ,y )----图像的均值将降低噪声的影响 N越大,均值越小,标准差越小。失真越小。
g(x,y) = af(x,y) + bh(x,y) a+b=1 可以得到各种图像合成的效果。也可以用于两张图片的衔接
(2)减法: 可以检测同一场景两幅图像之间的变化
(3)乘法:C(x, y) = A(x,y) * B(x,y) 图像的局部显示
(4)非 补 与(相交子图,可以提取感兴趣的子图像) 或 异或
10.
(1)直方图
h(rk) = nk
nk是图像中灰度级为rk的像素个数
p(rk) = nk / n
使函数值正则化到[0,1]区间,成为实数函数(概率密度统计)
(2)直方图均衡化


镜头边界的检测:
(1)连续帧相减:计算两帧像素变化的数目,当超过设定的阀值时,即边界。缺点是对摄像机的运动敏感,如放缩,平移。解决方法:用像素临近区域的平均值来代替每一个像素。(这个貌似可以用在拼图上)
(2)直方图相减:统计相邻两帧所有像素在不同灰度上的分布差异,当差异累加值超过阀值T时,即边界。优点:对对象运动不敏感(这个貌似可以用在汽车检测上)
或者可以计算差值的均值和方差
文献:H.J.Zhang,A.Kankanhalli,and S.W.Smoliar, “Automatic

Partitioning of Full-Motion Video”. ACM Multimedia System,

Apr.1993.(说明直方图相减很有用)
(3)时空切片分析:颜色和纹理的不连续
文献:C.W.Ngo,T.C.Pong,and R.T.Chin. “Video Partitioning by

Temporal Slice Coherency”. IEEE Transactions on Circuits and

Systems for Video Technology, Aug.2001.

11.空间滤波器---空间域图像增强---用来进行图像处理的空间模板---模糊OR锐化
滤波器---好像只是一个系数矩阵,用来乘以原图得到处理后的图像
平滑空间滤波器:包括线性滤波器(又名均值滤波器),非线性滤波器(又有最大值滤波器,中值滤波器,最小值滤波器)
均值滤波器:每个像素都用临近的像素的均值来表示
锐化滤波器:均值类似积分,那么微分产生相反的效果--锐化
(1)二阶微分滤波器---拉普拉斯算子
f‘‘ = f‘‘|x + f‘‘|y
写成离散形式:
f'' = f(x + 1 ,y) + f(x - 1, y) + f(x, y + 1) + f(x, y - 1) - 4f(x, y)
增强后图像
g(x, y) = f(x, y) +/- f''
(2)一阶微分滤波器---梯度算子
A.
f’ = {(z6 - z5)^2 + (z8 - z5)^2}的0.5次幂 (ppt174)
z5是8连通中间的像素值
B.微分滤波器模板系数设计
Roberts交叉梯度算子 f' = |z9 - z5| + |z8 - z6|
Prewitt梯度算子 f' = |(z7 + z8 + z9) - (z1 + z2 + z3)| + |(z3 + z6 + z9) - (z1 + z4 + z7)|
Sobel梯度算子 和PREWITT一样?

12.描述彩色光的三个基本量:辐射率,光强, 亮度
彩色模型有:RGB, CMY(青,深红,黄)和CMYK(青,深红,黄,黑), HSI(色调,饱和度,亮度), YIQ(零度,色调), YUV, YCbCr
CMY = 1 - RGB
其他好复杂,等到要用到的时候查就好了。
13.伪彩色图像处理
强度分层技术:
灰度级到彩色转换技术
14.全彩色图像处理、彩色变换、补色(彩色环上相对立的颜色)、彩色图像平滑和尖锐化,彩色空间分割

15.基于内容的图像检索---最重要(却是原书没有的内容)--Google可以进行图像搜索
背景:对于海量的图像,基于人工标注文
字的检索已不可能。该技术可以让计算机自动分析和检索。
现有系统:QBIC Virage Photobook Visual SEEK, MARS
特征提取:颜色,纹理,形状,空间关系
特征表示:
(1)颜色
统计直方图,累积直方图,颜色布局(RGB到YCbCr),颜色分块(将整幅图像品均分成64快,计算每一块中所有像素个颜色分量的平均值,作为该块的代表颜色, DCT变换,之字形扫描和量化, 构成描述符)
相似度匹配:直方图相交法,欧式距离,距离法, 中心矩法,参考颜色表法
(2)纹理:类似于布纹,草地,砖墙等重复性结构的图像称为纹理图像
定义:纹理可认为是灰度在空间以一定的形式变换而产生的图案,周期性,高频分量密切联系。
Tamura表示法:对比度,粗细度,方向性280
联合概率矩阵表示:基于像素间的距离和方向建立联合概率矩阵,从联合概率矩阵中提取出有意义的统计量作为纹理描述
小波表示:用小波子带的统计量(均值和方差)作为纹理表示
(3)形状
不同视角目标形状不同,需要解决平移,尺度,旋转变换不变形
描述方法:
傅里叶描述子,不变矩描述子,有限元素法
相关反馈
索引结构
MPEG-7 Multimedia Content Description Interface

16.傅里叶变换
(1)将一个函数f(x)通过N重积分映射到另一个函数F(u)。即N维连续傅里叶变换
积分改成求和,则是N重离散傅里叶变换DFT
(2)欧拉公式
(3)极坐标表示
(4)F(0,0)表示一幅图像的平均灰度级
(5)性质
17.频率域滤波
变化最慢的频率成分(u=v=0)对应一幅图像的平均灰度级 低频---平滑
频域率的滤波步骤:
中心变换+DFT+滤波器函数与F相乘+得到实部+取消中心变换
18.
陷波滤波器:F(0,0)=0,H=0,其他频率成分不变。H=1
低通滤波器:使低频通过,高频衰减,突出平滑过渡部分
高通滤波器:与上反,突出尖锐细节部分
(好像和取模有点类似,所以说数学真的要学好啊)
冲激函数:和中值定理或者特征值有点像
19.频域率的图像增强(定义不同的H函数)
(1)
理想低通滤波器:截断傅里叶变换中的所有高频部分
巴特沃斯低通滤波器:越接近截断频率,衰减越大。(H越小)H最大值是1,即没有衰减
高斯低通滤波器:用一个 高斯函数的H函数
(字符识别,通过模糊图像,桥接断裂字符的裂缝)(人脸皱纹减少)
目的:模糊细节,保留大的可识别特征
(2)
振铃效应(Ringingeffect)是影响复原图像质量的众多因素之一,其典型表现是在图像灰度剧烈变化的邻域出现类吉布斯(Gibbs)分布--(满足给定约束条件且熵最大的分布)的振荡。在图像盲复原中,振铃效应是一个不可忽视的问题,其严重降低了复原图像的质量,并且使得难于对复原图像进行后续处理。

(3)高通滤波器也分为理想,巴特沃斯,高斯三种,求H的相反数,或者用1来减就可以得到函数。
(4)拉普拉斯算子
(5)钝化模板:原图像减去低通图像得到的锐化/高通图像


20.已学图像增强。还有图像复原、小波变换、图像压缩、形态学处理、图像分割
下面是图像复原
21.图像增强是一个对比度拉伸,图像复原追求恢复原始图像的最优估值。除了解决退化问题,噪声和干扰也得解决。有高斯噪声,瑞利噪声,伽马噪声,指数分布噪声,均匀分布噪声,脉冲(椒盐)噪声(467)
22. 当退化的原因只有噪声时,空间滤波器(均值,顺序统计,自适应滤波器)
自适应,局部噪声消除滤波器:NAN
自适应中值滤波器:NAN
23.频率域滤波器
带阻滤波器:阻止一定频率范围内的信号,允许一定范围内信号通过(理想,巴特沃斯,高斯)
带通滤波器: 1-带阻滤波器
陷波滤波器:阻止或通过事先定义的中心频率邻域内的频率。
最佳陷波滤波器:

24.图像压缩
图像压缩的重中之重就是信息论基础。剔除冗余/相关数据,提高压缩率。这个在人工智能内进行自主学习的时候也有用到。
无损压缩好在无损,但是速度和压缩率可能不好,为了统一规范,压缩有了标准
如果有相关数据,可以融合成一组,或者用表达式存储。
所以,从统计角度看,是把图像转化为尽可能不相关的数据集。
25.
压缩又可以分为空域和频域方法,又名预测编码,变换编码
三种基本的数据冗余:
编码冗余:灰度级使用过度
像素间冗余:任何像素都可以用相邻像素的值为基础进行表达
心里视觉冗余:会导致信息损失
26.
客观保真度准则:损失的信息量用编码输入图像和编码输出图像的函数表示。
均方根误差 差的和的平均值的平方之后开方
均方信噪比 原来的值的平方的和比上差的平方的和
主观保真度准则:
信源编码器:减少或消除输入图像中的冗余,包括转换器(像素间冗余),量化器(心里视觉冗余,不可逆),符号编码器(编码冗余)
信源解码器:包括符号解码器,反向转换器
27. 信息信道
信源---信道---信宿
信息源:信源字母表(信源产生符号)和各个符号的概率 组成信息源
28.
变长编码:把最短的码字赋予出现概率最大的灰度级
LZW编码:消除像素间冗余,将原始数据中的重复字符串建立一个字符串表,然后用该重复字串在字串表的索引替代原始数据达到压缩的目的。
位平面编码:将一幅图像分解为一系列二值图像并通过二值图像压缩方法对每幅二值
图像进行压缩。
无损预测编码:通过仅提取每个像素中的新信息并对它们编码来消除像素间的冗余
29.
有损预测编码(空域方法):NAN
ppt613
变换编码 (频域方法):NAN

30.
JPEG:基于DCT的有损编码基本系统。DTT计算+量化+变长码赋值
图像分解成多个8x8的图形块, DCT类似于低通滤波器,低频集中左上角,高频分布在右下角,量化去掉高频分量,F(0,0)代表直流(DC)系数,其他63个元素时直流(AC)系数,得到DC码字和AC行程码字后,采用Huffman编码
31.MPEG帧的分类---针对运动图像
I帧---不需要参考其他画面而独立进行压缩编码的画面
P帧----参考前面已编码的I或P画面进行预测编码的画面
B帧---既参考前面的I或P画面,又参考后面的I或P画面进行双向预测编码的画面
帧内编码技术---参考同帧附近
帧间编码技术---参考附近帧
2016-04-27 16:23:50 u011326478 阅读数 28845

适合于图像处理方向的SCI期刊杂志列表

原文:http://blog.sina.com.cn/s/blog_8d351dfc0101c2am.html


表1. 适合于图像处理方向的SCI期刊杂志列表

ISSN

期刊名

出版周期

1057-7149

IEEE TRANSACTIONS ON IMAGE PROCESSING

Monthly

1070-9908

IEEE SIGNAL PROCESSING LETTERS

Monthly

1053-587X

IEEE TRANSACTIONS ON SIGNAL PROCESSING

Monthly

0895-6111

COMPUTERIZED MEDICAL IMAGING AND GRAPHICS

Bimonthly

0162-8828

IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE

Monthly

0278-0062

IEEE TRANSACTIONS ON MEDICAL IMAGING

Monthly

0018-9456

IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT

Bimonthly

0098-3063

IEEE TRANSACTIONS ON CONSUMER ELECTRONICS

Quarterly

1017-9909

JOURNAL OF ELECTRONIC IMAGING

Quarterly

0262-8856

IMAGE AND VISION COMPUTING

Monthly

1671-7694

CHINESE OPTICS LETTERS

Monthly

0165-1684

SIGNAL PROCESSING

Monthly

0091-3286

OPTICAL ENGINEERING

表2. IEEE TRANSACTIONS ON IMAGE PROCESSING基本资料

期刊名 IEEE TRANSACTIONS ON IMAGE PROCESSING
出版周期 Monthly
出版ISSN 1057-7149
通讯方式 IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141
期刊主页网址 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=83
在线投稿网址 http://mc.manuscriptcentral.com/sps-ieee
其他相关链接 Science Citation Index
Science Citation Index Expanded
Current Contents – Engineering, Computing & Technology
 
偏重的研究方向 图像处理(4) 计算机视觉(2) 信号处理(1) 信息科学(1) 自动化(1) 模式识别(1)
投稿录用比例 0%
审稿速度 平均 8.57143 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年
2.185 2.553 2.642 2.011 2.428 2.715 2.462 3.315 2.848 2.606
图像处理的顶级期刊。注重理论和结果,要求idea新颖、方法独到、结果要好、数据充实、结论合理。有三个审稿人,三个月内给出审稿结果,意见合理。对英文写作要求一般,论证有说服力即可,但引言部分要求很强的综述能力。Regular paper超过10页要110刀每页,且经常见到有些文章漏半个括号、绝对值的事。

 

表3. IEEE SIGNAL PROCESSING LETTERS基本资料
期刊名 IEEE SIGNAL PROCESSING LETTERS
出版周期 Monthly
出版ISSN 1070-9908
通讯方式 IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141
期刊主页网址 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=97
在线投稿网址 http://mc.manuscriptcentral.com/sps-ieee
其他相关链接 Science Citation Index Expanded
Current Contents – Engineering, Computing & Technology
 
偏重的研究方向 信号处理(3) 图像处理(2) 语音处理(1) 模式识别(1)
投稿录用比例 100%
审稿速度 平均 2.33333 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2005年 2006年 2007年 2008年 2009年 2010年
0.679 0.824 0.854 0.611 0.722 1.115 1.203 1.173 1.146
效率很高。从投稿到给答复只用了不到2个月,创新性要求高,实验结果还得好,否则很容易被鄙视。有网友说投过一次,被拒,英文太烂,几个审稿人都要求让native speaker帮忙go through,修改后重投,接收。

 

表4. IEEE TRANSACTIONS ON SIGNAL PROCESSING基本资料
期刊名 IEEE TRANSACTIONS ON SIGNAL PROCESSING
出版周期 Monthly
出版ISSN 1053-587X
通讯方式 IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141
期刊主页网址 http://www.signalprocessingsociety.org/publications/periodicals/tsp/
在线投稿网址 http://mc.manuscriptcentral.com/sps-ieee
其他相关链接 Science Citation Index
Science Citation Index Expanded
Current Contents – Engineering, Computing & Technology
 
偏重的研究方向 信号处理(2) 图像处理(1) 计算机视觉(1)
投稿录用比例 0%
审稿速度 平均 3 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年
1.268 1.159 1.458 1.755 1.82 1.57 1.64 2.335 2.212 2.631
有网友说投过三次TSP。第一次命中,第二次初审未通过,第三次正在审稿中。第一次投稿实在2010年1月份,2月份下旬收到一审结果,大修,限期六周。3月底将修改稿投出,5月初收到二审结果,四位审稿人全部同意发表。第二次投稿初审未过,主要是TSP评审流程发生变化,需要区域编辑审理初稿才能送外审,拒稿理由主要是技术深度不够,主题更适合投到TAES。第三次投稿已经通过初审,正在外审。

 

表5. COMPUTERIZED MEDICAL IMAGING AND GRAPHICS基本资料
期刊名 COMPUTERIZED MEDICAL IMAGING AND GRAPHICS
出版周期 Bimonthly
出版ISSN 0895-6111
通讯方式 PERGAMON-ELSEVIER SCIENCE LTD, THE BOULEVARD, LANGFORD LANE, KIDLINGTON, OXFORD, ENGLAND, OX5 1GB
期刊主页网址 http://www.elsevier.com/wps/find/journaldescription.cws_home/292/description#description
在线投稿网址 http://ees.elsevier.com/cmig/
其他相关链接 Science Citation Index Expanded
Current Contents – Clinical Medicine
BIOSIS Previews
 
偏重的研究方向 图像处理(2) 信号处理(1) 计算机视觉(1) 视觉技术(1)
投稿录用比例 0%
审稿速度 平均 6 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年
0.685 0.844 1.158 1.09 1.087 0.909 0.848 1.192 1.041 1.11
该期刊偏重医学图像处理方法理论分析与应用,审稿周期一般在2-4个月,是图像处理,信号处理和计算机视觉领域较中等的一个期刊。

 

表6. IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE基本资料
期刊名 IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE
出版周期 Monthly
出版ISSN 0162-8828
通讯方式 IEEE COMPUTER SOC, 10662 LOS VAQUEROS CIRCLE, PO BOX 3014, LOS ALAMITOS, USA, CA, 90720-1314
期刊主页网址 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=34
在线投稿网址 https://mc.manuscriptcentral.com/tpami-cs
其他相关链接 Science Citation Index
Science Citation Index Expanded
Current Contents – Engineering, Computing & Technology
 
偏重的研究方向 模式识别(4) 计算机视觉(3) 图像处理(2) 机器学习(2) 人工智能(1) 机器视觉(1)
投稿录用比例 0%
审稿速度 平均 7.875 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年
2.289 2.923 3.823 4.352 3.81 4.306 3.579 5.96 4.378 5.027
1979年创刊,系被JCR收录的核心期刊,在该学科94种核心期刊中,排名第1位。发表模式识别、图像处理和人工智能研究及其应用方面的原始性论文。有网友说,投过一篇,3个月给初审结果,要求较高,无论从理论本身还是实验效果都要强于最新技术,也就是你提出来的算法要是top one,其中一个审稿人说创新还可以但不足以达到PAMI的要求,结果被拒!感觉很难。另有网友说,顶级杂志,水平很高,命中很困难。比IJCV更加难录用,个人感觉比IJCV更注重实际应用,水平也要高一点了。而且我这里要提的很重要的一点是,可以选择双盲审的,可以让审稿人不知道你的单位和姓名。很多其他国际顶级杂志都没有双盲审。

 

表7. IEEE TRANSACTIONS ON MEDICAL IMAGING基本资料
期刊名 IEEE TRANSACTIONS ON MEDICAL IMAGING
出版周期 Monthly
出版ISSN 0278-0062
通讯方式 IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141
期刊主页网址 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=42
在线投稿网址 http://mc.manuscriptcentral.com/tmi-ieee
其他相关链接 Science Citation Index
Science Citation Index Expanded
Current Contents – Clinical Medicine
Current Contents – Engineering, Computing & Technology
 
偏重的研究方向 医学图像处理(2) 医学图像数据处理与分析(1) 成像系统(1) 图像处理(1) 生物医学工程(1) 医药科学(1) 影像医学与生物医学工程(1)
投稿录用比例 0%
审稿速度 平均 5.4 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年
3.142 2.911 3.755 3.922 3.939 3.757 3.275 4.004 3.54 3.545
医学图像处理顶级的杂志,每期大概只有10篇文章。感觉很强调数学,国内在上面发的文章不多,基本都是一些学数学的转做图像处理的再发。有网友说,中了一篇,只要idea有意思,审稿人是不会舍得抛弃你的。就算你的实验很不合理,英文写作很烂,审稿人和编辑也会耐心的帮忙改的。只要你的态度是积极的,把所有的审稿意见都照顾到就好。反之,要是你的idea没新意,英文再好也没用。

 

表8. IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT基本资料
期刊名 IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT
出版周期 Bimonthly
出版ISSN 0018-9456
通讯方式 IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141
期刊主页网址 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=19
在线投稿网址 http://tim.allentrack.net/cgi-bin/main.plex
其他相关链接 Science Citation Index
Science Citation Index Expanded
Current Contents – Engineering, Computing & Technology
 
偏重的研究方向 自动化(1) 图像处理(1) 信息科学(1)
投稿录用比例 0%
审稿速度 平均 7.5 个月的审稿周期
审稿费用 -
版面费用 -
影响因子
2001年 2002年 2003年 2005年 2006年 2007年 2008年 2009年 2010年
0.9 0.592 0.703 0.665 0.572 0.832 0.978 1.025 1.098
有网友说,初审很快,一个多月就出结果了,感觉要求比较高,尤其是语言方面。另有网友说,2010年发表过一篇,从投稿到录用一年多一点的时间,虽然影响因子不高,但是作为IEEE TRANS系列的一员,审稿还是非常的严厉的。该杂志比较侧重于应用和具体实验效果。

 

表9. IEEE TRANSACTIONS ON CONSUMER ELECTRONICS基本资料
期刊名 IEEE TRANSACTIONS ON CONSUMER ELECTRONICS
出版周期 Quarterly
出版ISSN 0098-3063
通讯方式 IEEE-INST ELECTRICAL ELECTRONICS ENGINEERS INC, 445 HOES LANE, PISCATAWAY, USA, NJ, 08855-4141
期刊主页网址 http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=30
在线投稿网址 http://www.ewh.ieee.org/soc/ces/publications_trans_ce.html
其他相关链接 Science Citation Index
Science Citation Index Expanded
Current Contents – Engineering, Computing & Technology


pattern analysis and machine intelligence (PAMI) 顶级
International Journal of Computer Vision  (IJCV) 顶级
SIAM Journal on Imaging Sciences 顶级
Pattern Recognition (PR) 2.509 高
IEEE TRANSACTIONS ON IMAGE PROCESSING 2 2.936(TIP)高
(备注:一区IEEE T PAMI  ,INT J COMPUTER VISION 二区IEEE T IMAGE PROCESSSION ,pattern recognition)


1.CVIU:Computer Vision and Image Understanding 1.85(老牌杂志,但审稿期巨长,慎重)
2.Image and Vision Computing(IVC)  1.592(个人感觉比较中庸的期刊,在CV中,不如CVIU,不过还好,比PRL好一些)
3.Pattern Recognition letters (PRL) 1.191(√)
4.International Journal of Pattern Recognition and Artificial Intelligence 0.607
5.Optical Engineering 0.778(√)
6.IET Computer Vision 0.684 (审稿期巨长,影响因子还低,还不容易中)
7.IET Image Processing  0.765 审稿太慢了!
8.Pattern Analysis and Applications  1.043 (投稿半年,一直都是With Editor状态,还没显示进入任何审稿流程)
9.JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION 1.183 修改后6月给出录用通知,还算顺利吧,拖太久了, 投稿容易,审稿周期一年以上
10.Signal Processing: Image Communication 1.206 容易中,审稿周期半年到一年
11.Signal Image and Video Processing,0.589 容易中,审稿时间半年到一年,EI检索
12.Journal of digital imaging 1.121 医学,影响因子偏低,容易中,很少有人关注
13.journal of vlsi signal processing systems for signal image and video 0.609 影响因子偏低,容易中,审稿周期一年以上
14.ACM Transactions on Applied Perception 3区 1.19 挺难得,英文要求高
15.Computer Vision and Image Understanding (CVIU)3区 1.85 非常不错的一个期刊,CV方面的各种方向都可以投。处于2区与3区之间,是个CV   方面很不错的期刊。中的概率大于20%,但小于40%;适合投Computer Vision以及应用方面的文章。(CVGIP: Image Understanding)
16.Journal of Visual Communication and Image Representation (JVCIR) 3 1.182 比较慢,但好像比较好中,偏信号。
17.Journal of Mathematical Imaging and Vision 3 1.371 没有什么人了解的期刊,偏重于数学推导,审稿半年到一年,影响因子不高,不容易中,稍微有些冷门
18.Journal of Electronic Imaging  JEI 4 0.538 比较快,图像处理方面的,对研究的完整性(从理论到实验)要求还是很高的
19.applied optics 3 1.748(√)
20.Science China-Technological Sciences 中文 4 0.767
21.Science China-Information Sciences   中文 4 0.516
22.CHINESE JOURNAL OF ELECTRONICS 电子学报 4 0.147
23.JOURNAL OF INFRARED AND MILLIMETER WAVES 中国 红外与毫米波 4 0.347
24 International Journal of Imaging Systems and Technology 4 0.705 影响因子偏低,容易中,审稿周期半年到一年
25 International Journal of Remote Sensing 3 1.131 遥感类的期刊,不太合适图像处理
26 SIAM Journal on Imaging Sciences  1 4.578 超牛的数学、图像、模式识别期刊,一般人别想了
27 Pattern Analysis & Applications 4 1.043 没人知道的期刊。影响因子不高,影响力也比较小,审稿时间一年以上,但容易投中。
28 Signal Processing 3 1.34 这个期刊的审稿人水平层次不齐,撞上真懂的,很有可能直接就跪了,撞上半瓶水,直接就水过了
29 SIGNAL PROCESSING-IMAGE COMMUNICATION 3 1.206 总体来说还是不错的,这个期刊的检索因子也不断在提高。
30 IEEE Signal Processing Letters 3 1.242 整体感觉不太好中!投稿的心得体会就是创新点要比较新,写作要专业一点!
31 IEEE Signal Processing Magazine 1 4.991 知道就行了,太牛了
32 Machine Vision and Applications 3 1.17 涉猎面很广,和图像相关的应用就可以投,期刊偏重于工程应用。还是相当容易中的。但属于一次通过,不用修改。(√)
33 IEEE Transactions on Circuits and Systems for Video Technology 2 2.064 属于视频处理和通信领域比较有影响力的Journal,影响因子维持在2左右
34 IEEE Transactions on Multimedia 3 1.848 多媒体领域的顶级期刊,审稿速度很快,一般2个月。国内发表的人很多
35 Journal of Real-Time Image Processing 4 0.991(√)
36 JOURNAL OF THE OPTICAL SOCIETY OF AMERICA A-OPTICS IMAGE SCIENCE AND VISION 3 1.723 偏重与光学,物理学方面的,医学图像处理等
37 Medical Image Analysis 1 3.96 医学图像处理领域,非常好的期刊,医学图像处理领域顶级期刊
38 IEEE Computational 
Magazine 2 2.965 超级难投稿,基本上被牛人垄断,别想了
39 COMPUTATIONAL INTELLIGENCE 2 2.351 影响因子波动很大,每年四期,不容易中,计算机领域
40 information processing letters 4 0.661 计算机领域的,收录短文,审稿慢啊,发表快,影响因子低0.5左右,接搞量大,容易发表,审稿周期一般3--6个月
41 INTERNATIONAL JOURNAL OF PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE 4 0.607  EI compendex, sci, 审稿时间超长,一两年
42 Journal of Logic and Computation 4 0.662 影响因子,0.789,SCI检索
43 Journal of Signal Processing Systems for Signal Image and Video Technology
44 COMPUTER METHODS IN APPLIED MECHANICS AND ENGINEERING 2 2.181 影响因子偏低,但仍然需要一定水平才可以投,审稿2--4周,SCI,EI检索
45 IEICE Transactions on Information and Systems 4 0.283 审稿时间2--4周,容易中,影响因子小,相对冷门,关注人数不多,作者中有一个必须是会员(√)


46 JOURNAL OF VISION 3 3.075 医学
47 COMPUTERIZED MEDICAL IMAGING AND GRAPHICS 4 1.225 医学
48 IEEE TRANSACTIONS ON MEDICAL IMAGING  2 3.607 医学
49 IEEE COMPUTER GRAPHICS AND APPLICATIONS 3 1.64 图像图形学
50 IEEE Transactions on Visualization and Computer Graphics 2 2.162
51 International Journal of Remote Sensing 3 1.131
52 COMPUTER GRAPHICS FORUM 3 1.598
53 IET Signal Processing 4 0.669
54 IET Information Security 4 0.632
55 IETE Technical Review 4 0.39
56 IETE Journal of Research 4 0.135
57 Vision Research 3 2.345(?)医学
58 Theoretical Computer Science 4 0.815
59 Digital Signal Processing 3 1.324 
60 COMPUTERIZED MEDICAL IMAGING AND GRAPHICS 4 1.225 偏重医学图像处理方法理论分析与应用,审稿周期一般在2-4个月,是图像处理,信号处理和计算机视觉领域较中等的一个期刊
61 IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENt 3 1.115 求很严格,注重解决实际问题,需要有理论支持和实验结果支撑,从论文实际价值上来说很高,不务虚
62 IEEE TRANSACTIONS ON CONSUMER ELECTRONICS 4 0.98 消费电子,口碑不好,但很不好中
63 Chinese Optics Letters 4 0.822 物理类
64 IEEE Transactions on Information Forensics and Security 3 1.835 信息安全领域,CCF划定的顶级期刊,极为难中。国内极少能中的。终极奋斗目标!知道就行了啊,10%以内
65 IEEE TRANSACTIONS ON SYSTEMS MAN AND CYBERNETICS PART B-CYBERNETICS 2 2.929 这是一个系列,还有A、B、C,难度你懂得,感觉现在的主编相当负责任,不过现在的录用率在10%,有幸作为审稿人审了几篇稿件,SMC感觉是一个综合期刊,各个方向都可以收,质量不错




注意点:
(1)关于信号、光学、测量几个领域的期刊都有可能投稿,以后慢慢收集吧,就不再专门搜索了。
(2)最后的退路,两年后如果不是无路可走就不要考虑:我给你两个具体的期刊,PLOS ONE,什么论文都收; sensor,瑞典还是瑞士的一个期刊,基本不审稿,一般2weeks--1month出结果。这两个杂志都是open access的,要钱很多。


2013-06-21 19:14:44 zhufanqie 阅读数 4241

 一直没搞清楚计算机图像分析和计算机视觉会议有哪些,通过网上查阅了下,简单的整理如下:

ICCV 

全称是 IEEE International Conference on Computer Vision,国际计算机视觉大会,是计算机方向的三大顶级会议之一,通常每两年召开一次,2005 年 10 月曾经在北京召开。 

会议收录论文的内容包括:底层视觉与感知,颜色、光照和纹理处理,分割与聚合,运动与跟踪,立体视觉与运动结构重构,基于图像的建模,基于物理的建模,视觉中的统计学习,视频监控,物体、事件和场景的识别,基于视觉的 图形学,图片和视频的获取,性能评估,具体应用等。

ICCV是计算机视觉领域最高级别的会议,会议的论文集代表了计算机视觉领域最新的发展方向和水平。会议的收录率较低,以 2007 年为例,会议共收到论文1200余篇,接受的论文仅为244篇。会议的论文会被 EI 检索。

CVPR

全称:IEEE Conference on Computer Vision and Pattern Recognition 即:IEEE国际计算机视觉与模式识别会议

国际计算机视觉与模式识别会议(CVPR)是IEEE一年一度的学术性会议,会议的主要内容是计算机视觉与模式识别技术。CVPR是世界顶级的计算机视觉会议(三大顶会之一,另外两个是ICCVECCV),近年来每年有约1500名参加者,收录的论文数量一般300篇左右。第一届CVPR会议于1985年在旧金山举办,后面每年都在美国本土举行。

近几年录取率25%左右,自2001年开始每年在会议上进行演讲的论文[oral]通过率锐减为10%以下,2006年这一数字以来更是低于5%(一个重要原因是由于论文数量过多,大部分的6~8页长篇论文在会议期间只要求做海报[poster]展示)。在各种学术会议统计中,cvpr被认为有着很强的影响因子和很高的排名。

ECCV

ECCV的全称是European Conference on Computer Vision(欧洲计算机视觉国际会议,两年一次,是计算机视觉三大会议(另外两个是ICCVCVPR)之一。每次会议在全球范围录用论文300篇左右,主要的录用论文都来自美国、欧洲等顶尖实验室及研究所,中国大陆的论文数量一般在10-20篇之间。ECCV2010的论文录取率为27%

ECCV是一个欧洲会议,欧洲人一般比较看中理论,但是从最近一次会议来看,似乎大家也开始注重应用了,oral里面的demo非常之多,演示效果很好,让人赏心悦目、叹为观止。不过欧洲的会有一个不好,就是他们的人通常英语口音很重,有些人甚至不太会说英文,所以开会和交流的时候,稍微有些费劲。

ACCV

亚洲计算机视觉会议(Asian Conference on Computer VisionACCV)是亚洲计算机视觉联盟(AFCV)1993年以来官方组织的两年一度的会议,其目的是为计算机视觉研究学者和企业提供一个技术发展和交流的平台

ICIP 

图像处理国际会议(International Conference on Image Processing。由IEEE信号处理学会主办。

ICPR  

全称:International Conference on Pattern Recognition ,即:国际模式识别协会,是国际性学术组织之一。

WACV

全称:IEEE Workshop on  Applications of Computer Vision ,即:IEEE计算机视觉的应用研讨会


可访问http://iris.usc.edu/Information/Iris-Conferences.html 了解更多………………


2012-08-08 15:33:33 bookwormno1 阅读数 4887
本文基于http://www.sciencenet.cn/m/Print.aspx?id=224651 的结果,增加了自己搜索和国内一些信息。

作机器视觉和图像处理方面的研究工作,最重要的两个问题:其一是要把握住国际上最前沿的内容;其二是所作工作要具备很高的实用背景。解决第一个问题的办法就是找出这个方向公认最高成就的几个超级专家(看看他们都在作什么)和最权威的出版物(阅读上面最新的文献),解决第二个问题的办法是你最好能够找到一个实际应用的项目,边做边写文章。 做好这几点的途径之一就是利用网络资源,利用权威网站和专家们的个人主页。

依照下面目录整理:
[1]研究群体(国际国内)[2]专家主页[3]前沿国际国内期刊与会议[4]搜索资源[5]GPL软件资源

一、研究群体
用来搜索国际知名计算机视觉研究组(CV Groups):
国际计算机视觉研究组清单http://peipa.essex.ac.uk/info/groups.html
美国计算机视觉研究组清单 http://peipa.essex.ac.uk/info/groups.html#USA

http://www-2.cs.cmu.edu/~cil/vision.htmlhttp://www.cs.cmu.edu/~cil/vision.html
这是卡奈基梅隆大学的计算机视觉研究组的主页,上面提供很全的资料,从发表文章的下载到演示程序、测试图像、常用链接、相关软硬件,甚至还有一个搜索引擎。著名的有人物Tomasi, Kanade等。
卡内基梅隆大学双目实验室http://vision.middlebury.edu/stereo/
卡内基梅隆研究组http://www.cs.cmu.edu/~cil/v-groups.html
还有几个实验室:
Calibrated Imaging Laboratory 图像
Digital Mapping Laboratory 映射
Interactive Systems Laboratory 互动
Vision and Autonomous Systems Center视觉自适应

http://www.via.cornell.edu/
康奈尔大学的计算机视觉和图像分析研究组,好像是电子和计算机工程系的。侧重医学方面的研究,但是在上面有相当不错资源,关键是它正在建设中,能够跟踪一些信息。
Cornell University——Robotics and Vision group

http://www-cs-students.stanford.edu/ 斯坦福大学计算机系主页
1. http://white.stanford.edu/
2. http://vision.stanford.edu/
3. http://ai.stanford.edu/美国斯坦福大学人工智能机器人实验室
The Stanford AI Lab (SAIL) is the intellectual home for researchers in the Stanford Computer Science Department whose primary research focus is Artificial Intelligence. The lab is located in the Gates...
Vision and Imaging Science and Technology

http://www.fmrib.ox.ac.uk/analysis/
主要研究:Brain Extraction Tool, Nonlinear noise reduction, Linear Image Registration, Automated Segmentation, Structural brain change analysis, motion correction, etc.

http://www.cse.msu.edu/prip/—密歇根州立大学计算机和电子工程系的模式识别--图像处理研究组,它的FTP上有许多的文章(NEW)。
美国密歇根州大学认知模型和图像处理实验室
The Pattern Recognition and Image Processing (PRIP) Lab faculty and students investigate the use of machines to recognize patterns or objects. Methods are developed to sense objects, to discover which...http://www.cse.msu.edu/rgroups/prip/

http://pandora.inf.uni-jena.de/p/e/index.html
德国的一个数字图像处理研究小组,在其上面能找到一些不错的链接资源。
柏林大学 http://www.cv.tu-berlin.de/

德国波恩大学视觉和认识模型小组
Computer Vision Group located within the Division III of the Computer Science Department in the University of Bonn in Germany. This server offers information on topics concerning our computer vision http://www-dbv.informatik.uni-bonn.de/

http://www-staff.it.uts.edu.au/~sean/CVCC.dir/home.html
CVIP(used to be CVCC for Computer Vision and Cluster Computing) is a research group focusing on cluster-based computer vision within the Spiral Architecture.

http://cfia.gmu.edu/
The mission of the Center for Image Analysis is to foster multi-disciplinary research in image, multimedia and related technologies by establishing links between academic institutes, industry and government agencies, and to transfer key technologies to help industry build next generation commercial and military imaging and multimedia systems.

英国的Bristol大学的Digital Media Group在高级图形图像方面不错。主要就是涉及到场景中光线计算的问题,比如用全局光照或是各种局部光照对高动态图的处理,还有近似真实的模拟现实环境(照片级别的),还有用几张照片来建立3D模型(人头之类的)。另外也有对古代建筑模型复原。http://www.cs.bristol.ac.uk/Research/Digitalmedia/
而且根据Times全英计算机排名在第3, 也算比较顶尖的研究了

http://www.cmis.csiro.au/IAP/zimage.htm
这是一个侧重图像分析的站点,一般。但是提供一个Image Analysis环境---ZIMAGE and SZIMAGE。

麻省理工视觉实验室MIT http://groups.csail.mit.edu/vision/welcome/
AI Laboratory Computer Vision group
Center for Biological and Computational Learning
Media Laboratory, Vision and Modeling Group
Perceptual Science group

UC Berkeley http://0-vision.berkeley.edu.ilstest.lib.neu.edu/vsp/index.html
http://www.cs.berkeley.edu.ilste ... n/vision_group.html
加州大学伯克利分校视觉实验室David A. Forsyth:http://www.cs.berkeley.edu/~daf/

UCLA(加州大学洛杉矶分校) http://vision.ucla.edu/  视觉实验室

英国牛津的A.Zisserman:http://www.robots.ox.ac.uk/~az/ 机器人实验室

美国南加州大学智能机器人和智能系统研究所University of Southern California, Los Angeles
IRIS is an interdepartmental unit of USC's School of Engineering with ties to USC's Information Sciences Institute (ISI). Members include faculty, graduate students, and research staff associated with... http://iris.usc.edu/ Computer Vision 实验室
美国南加州大学计算机视觉实验室介绍:
Computer Vision Laboratory at the University of Southern California is one of the major centers of computer vision research for thirty years. they conduct research in a number of basic and applied are...http://iris.usc.edu/USC-Computer-Vision.html

英国约克大学高级计算机结构神经网络小组
The Advanced Computer Architecture Group has had a thriving research programme in neural networks for over 10 years. The 15 researchers, led by Jim Austin, focus their work in the theory and applicati...http://www.cs.york.ac.uk/arch/neural/

瑞士戴尔莫尔感知人工智能研究所
IDIAP is a research institute established in Martigny in the Swiss Alps since 1991. Active in the areas of multimodal interaction and multimedia information management, the institute is also the leade...http://www.idiap.ch/

英国萨里大学视觉,语言和信号处理中心
The Centre for Vision, Speech and Signal Processing (CVSSP) is more than 60 members strong, comprising 12 academic staff, 18 research fellows and more than 44 research students. The activities of the ...http://www.ee.surrey.ac.uk/Research/VSSP/

美国阿默斯特马萨诸塞州立大学计算机视觉实验室
The Computer Vision Laboratory was established in the Computer Science Department at the University of Massachusetts in 1974 with the goal of investigating the scientific principles underlying the con...http://vis-www.cs.umass.edu
University of Massachusetts——Computer Vision Laboratory for Perceptual Robotics

美国芝加哥伊利诺伊斯大学贝克曼研究中心智能机器人和计算机视觉实验室
Includes the following groups: Professor Seth Hutchinson's Research Group Professor David Kriegman's Research Group Professor Jean Ponce's Research Group Professor Narendra Ahuja's Research Gro...http://www-cvr.ai.uiuc.edu/
Computer Vision and Robotics Laboratory
Vision Interfaces and Systems Laboratory (VISLab)

英国伯明翰大学计算机科学学校视觉研究小组
The vision group at the School of Computer Science (a RAE 5 rated department) performs research into a wide variety of computer vision and image understanding areas. Much of this work is performed in ...http://www.cs.bham.ac.uk/research/vision/

微软研究院机器学习与理解研究小组 / 计算机视觉小组
The research group focuses on the development of more advanced and intelligent computer systems through the exploitation of statistical methods in machine learning and computer vision. The site lists ...http://research.microsoft.com/mlp/
http://research.microsoft.com/en-us/groups/vision/
微软公司的文献:http://research.microsoft.com/research/pubs
微软亚洲研究院:http://research.microsoft.com/asia/,值得关注Harry Shum, Jian Sun, Steven Lin, Long Quan(兼职HKUST)etc.

瑞典隆德大学数学系视觉组:http://www.maths.lth.se/matematiklth/personal/andersp/
感觉国外搞视觉的好多是数学系出身,大约做计算机视觉对数学要求很高吧。

澳大利亚国立大学:http://users.rsise.anu.edu.au/~hartley/

美国北卡大学:http://www.cs.unc.edu/~marc/

法国INRIA:http://www-sop.inria.fr/odyssee/team/ 由Olivier.Faugeras领衔的牛人众多。

比利时鲁汶大学的L.Van Gool: www.esat.kuleuven.ac.be/psi/visics/
据说在这个只有中国一个小镇大小的地方的鲁汶大学在欧洲排行top10,名列世界top100,还出了几个诺贝尔奖,视觉研究也很强.

美国明德http://vision.middlebury.edu/stereo/

以下含有非顶尖美国学校研究组,没有链接(个别的上面已经提到),供参考。
Amerinex Applied Imaging, Inc.

Boston University
Image and Video Computing Research group

University of California at Santa Barbara加州大学芭芭拉分校
Vision Research Lab

University of California at San Diego加州大学圣迭戈分校
Computer Vision & Robotics Research Laboratory
Visual Computing laboratory

University of California at Irvine加州大学欧文分校,加州南部一城,在圣安娜东南,
Computer Vision laboratory

University of California, Riverside加州大学河滨分校
Visualization and Intelligent Systems Laboratory (VISLab)

University of California at Santa Cruz
Perceptual Science Laboratory

Caltech (加州理工)
Vision group

University of Central Florida
Computer Vision laboratory

University of Florida
Center for Computer Vision and Visualization

Colorado State University
Computer Vision group

Columbia University
Automated Vision Environment (CAVE)
Robotics group

University of Georgia, Athens
Visual and Parallel Computing Laboratory

Harvard University(哈佛)
Robotics Laboratory

University of Illinois at Urbana-Champaign
Robotics and Computer Vision

University of Iowa
Division of Physiologic Imaging

Jet Propulsion Laboratory
Machine Vision and Tracking Sensors group

Khoral Research, Inc

Lawrence Berkeley Laboratories
Imaging and Collaborative Computing Group
Imaging and Distributed Computing

Lehigh University
Image Processing and Pattern Analysis Lab
Vision And Software Technology Laboratory

University of Louisville
Computer Vision and Image Processing Lab

University of Maryland
Computer Vision Laboratory

University of Miami
Underwater Vision and Imaging Laboratory

University of Michigan密歇根
AI Laboratory

Michigan State University 密歇根州立
Pattern Recognition and Image Processing laboratory

Environmental Research Institute of Michigan (ERIM) 密歇根大学有汽车车身检测研究

University of Missouri-Columbia
Computational Intelligence Research Laboratory

NEC
Computer Vision and Image Processing

University of Nevada
Computer Vision Laboratory

Notre-Dame University
Vision-Based Robotics using Estimation

Ohio State University
Signal Analysis and Machine Perception Laboratory

University of Pennsylvania
GRASP laboratory
Medical Image Processing group
Vision Analysis and Simulation Technologies (VAST) Laboratory

Penn State University 宾夕法尼亚大学
Computer Vision
Precision Digital Images

Purdue University普渡大学
Robot Vision laboratory
Video and Image Processing Laboratory (VIPER)

Rensselaer Polytechnic Institute (RPI)
Computer Science Vision

University of Rochester
Center for Electronic Imaging Systems
Vision and Robotics laboratory

Rutgers University (The State University of New Jersey)
Image Understanding Lab

University of Southern California
Computer Vision

University of South Florida
Image Analysis Research group

Stanford Research Institute International (SRI)
RADIUS -- Research and Development for Image Understanding Systems
The Perception program at SRI's AI Center

SUNY at Stony Brook
Computer Vision Lab

University of Tennessee
Imaging, Robotics and Intelligent Systems laboratory

University of Texas, Austin
Laboratory for Vision Systems

University of Utah
Center for Scientific Computing and Imaging
Robotics and Computer Vision

University of Virginia
Computer Vision Research (CS)

University of Washington
Image Computing Systems Laboratory
Information Processing Laboratory
CVIA Laboratory

University of West Florida
Image Analysis/Robotics Research Laboratory

University of Wisconsin
Computer Vision group

Vanderbilt University
Center for Intelligent Systems

Washington State University
Imaging Research laboratory

Wright-Patterson
Model-Based Vision laboratory

Wright State University
Intelligent Systems Laboratory

University of Wyoming
Wyoming Image and Signal Processing Research (WISPR)

Yale University
Computational Vision Group http://www.cs.yale.edu/
School of Medicine, Image Processing and Analysis group

国内:
中科院模式识别国家重点实验室 http://www.nlpr.ia.ac.cn/English/rv/mainpage.html
虹膜识别、掌纹识别、人脸识别、
莲花山http://www.stat.ucla.edu/~sczhu/Lotus/
天津大学精密测试技术及仪器国家重点实验室
研究方向包括:激光及光电测试技术、传感及测量信息技术、微纳测试与制造技术、制造质量控制技术。该实验室是国内精密测试领域惟一的国家重点实验室。
“智能微系统及其集成应用技术”、“微结构光学测试技术”、“油气储运安全检测技术”、“先进制造中的视觉测量及其关键技术”、“正交偏振激光器原理、特性及其在精密计量中的应用研究”等5项代表性成果(07.3)。

中科院长春光机所 http://www.ciomp.ac.cn/ny/keyan.asp

中科院沈阳自动化所http://www.sia.ac.cn/index.php

中科院西安光机所http://www.opt.ac.cn/yanjiushi/gpcxjs1.htm

北京大学智能科学系http://www.cis.pku.edu.cn/vision/vision.htm
三维视觉计算与机器人,生物特征识别与图像识别
二、专家网页
http://www.ai.mit.edu/people/wtf/
这位可是MIT人工智能实验室的BILL FREEMAN。专长是:理解--贝叶斯模型。

http://www.merl.com/people/brand/
MERL(Mitsubishi Electric Research Laboratory)中的擅长“Style Machine”。

http://research.microsoft.com/~ablake/
CV界极有声望的A.Blake 1977年毕业于剑桥大学三一学院并或数学与电子科学学士学位。之后在MIT,Edinburgh,Oxford先后组建过研究小组并成为Oxford的教授,直到1999年进入微软剑桥研究中心。主要工作领域是计算机视觉。

http://www-2.cs.cmu.edu/afs/cs.cmu.edu/user/har/Web/home.html
这位专家好像正在学习汉语,主页并且搜集了诸如“两只老虎(Two Tigers)”的歌曲。
他的主页上面还有几个专家:Shumeet Baluja, Takeo Kanade。他们的Face Detection作的绝对是世界一流。毕业于卡奈基梅隆大学的计算机科学系,兴趣是计算机视觉。


 
 

 

工厂自动化,机器视觉,机电设备制造改造维修的复合型人才
 
2009-08-08 16:55:08 楼主
 TA的主页  加收听  加好友  只看回帖  发短消息  送红花  引用回复   编辑   通知版主处理   
 
yongcai
银虫 (小有名气)
 

金币: 526.2
散金: 2
帖子: 257
在线: 34.5小时
虫号: 543384
注册: 2008-04-10
活跃: 2011-08-29
状态: 离线
性别: GG
专业: 光学信息获取与处理
 第2部分

http://www.ifp.uiuc.edu/yrui_ifp_home/html/huang_frame.html
这位在1963年就获得了MIT的博士学位!他领导的Image Lab比较出名的是指纹识别。
--------------------------------------------------------------------------------
下面这些是搜集到的专家:
Zucker Computational Vision Group http://cs-www.cs.yale.edu/homes/vision/zucker/zpublications.html
Finn Lindgren(Sweden):Statistical image analysis http://www.maths.lth.se/matstat/staff/finn/
Pavel Paclik(Prague):statistical pattern recognition http://www.ph.tn.tudelft.nl/~pavel/
Dr. Mark Burge:machine learning and graph theory http://cs.armstrong.edu/burge/
yalin Wangocument Image Analysis http://students.washington.edu/~ylwang/
Geir Storvik: Image analysis http://www.math.uio.no/~geirs/
Heidorn http://alexia.lis.uiuc.edu/~heidorn/
Joakim Lindbladigital Image Cytometry http://www.cb.uu.se/~joakim/index_eng.html
S.Lavirotte: http://www-sop.inria.fr/cafe/Stephane.Lavirotte/
Sporring:scale-space techniques http://www.lab3d.odont.ku.dk/~sporring/
Mark Jenkinson:Reduction of MR Artefacts http://www.fmrib.ox.ac.uk/~mark/
Justin K. Romberg:digital signal processing http://www-dsp.rice.edu/~jrom/
Fauqueur:Image retrieval by regions of interest http://www-rocq.inria.fr/~fauqueur/
James J. Nolan:Computer Vision http://cs.gmu.edu/~jnolan/
Daniel X. Pape:Information http://www.bucho.org/~dpape/
Drew Pilant:remote sensing technology http://www.geo.mtu.edu/~anpilant/index.html
张正友 http://research.microsoft.com/en-us/um/people/zhang/

来自美国帝腾大学的链接。
Camera Calibration Links to toolboxes (mostly MATLAB) for camera calibration.
Paul Debevec. Modeling and Rendering Architecture from Photographs.
Marc Pollefeys, Tutorial on 3D Modeling from Images,, ECCV 2000,
Available here: notes (12.1MB pdf)
Richard Szeliski NIPS 2004 Tutorial on Acquiring Detailed 3D Models From Images and Video,
Available here: slides (37.6 MB, ppt)
Peter Corke did his thesis work on visual servoing for robot applications and has authored a robotics toolkit and vision toolkit for MATLAB.
local copy of thesis: Corke thesis (4.36 MB, pdf)
robot toolkit: robot.zip (568 KB, zip)
vision toolkit: mv.zip (1.08 MB, zip)
P. D. Kovesi., MATLAB Functions for Computer Vision and Image Analysis.
School of Computer Science & Software Engineering, The University of Western Australia.
Available locally as a zip archive MatlabFns.zip (4.8 MB, updated 21 May 2005)
Philip Torr, among many other contributions, submitted a Structure and motion toolkit in Matlab to the MathSoft File Exhange.
Local copy here: torrsam.zip (2.4 MB, zip).
---------------------
paper毕竟是死的, 写paper的人才是活的. 那么我现在研究一下cv圈的格局, 按师承关系,
借鉴前人, 我总结a tree stucture of cv guys.
David Marr
----->Shimon Ullman (Weizmann)
----->Eric Grimson (MIT)
----->Daniel Huttenlocher (Cornell)
----->Pedro Felzenszwalb (Chicago)

Thomas Binford (Stanford)
----->David Lowe (UBC)
----->Jitendra Malik (UC Berkeley)
----->Pietro Perona (Caltech)
----->Stefano Soatto (UCLA)
----->Fei-Fei Li (Princeton)
----->Jianbo Shi (UPenn)
----->Yizhou Yu (UIUC)
----->Christoph Bregler (NYU)
----->Serge Belongie (UCSD)
----->Alyosha Efros (CMU)

Andrew Blake (Microsoft Research Cambridge)
----->Andrew Zisserman (Oxford)
----->Andrew Fitzgibbon (Microsoft Research Cambridge)
----->Roberto Cipolla (Cambridge)
----->Alan Yuille (UCLA)
(UK这个学派的师承关系不太清楚, 这是我听说加上自己猜测的. 事实上, 几个
非常优秀的researcher如Vladimir Kolmogorov虽然不是Andrew Blake的学生, 但是
也属于这个学派. )

Thomas Huang (UIUC)
----->Yong Rui (Microsoft Research Redmond)
----->Nebojsa Jojic (Microsoft Research Redmond)
----->Ying Wu (Northwestern University)
----->Hai Tao (UCSC)
----->Yuncai Liu (SJTU)
(Huang这个系的人太多, 而且很怪的是, UIUC的web上信息不全, 在此仅列出我知道的.)

此外, 还有Takeo Kanade等非常有名的大牛, 囿于篇幅, 不一一列举. 从上得知, 加州派
基本占了cv的半壁江山. 最近几年, 特别活跃的cv guys是

USA
Jitendra Malik, UC Berkeley
Pietro Perona, Caltech
Serge Belongie, UCSD
Jianbo Shi, UPenn
Stefano Soatto, UCLA
Fei-Fei Li, Princeton
William Freeman, MIT
Trevor Darrell, MIT
Simon Baker, CMU
Yanxi Liu, CMU
Songchun Zhu, UCLA
Alan Yuille, UCLA
Yi Ma, UIUC
Michael Black, Brown
Carlo Tomasi, Duke
Ramin Zabih, Cornell
Shree Nayar, Columbia
Rama Chellappa, Maryland
Steve Seitz, University of Washington

Europe
Andrew Zisserman, Oxford, UK
Andrew Fitzgibbon, Microsoft Research Cambridge, UK
Roberto Cipolla, Cambridge, UK
Jean Ponce, INRIA, France
Cordelia Schmid, INRIA, France
Bill Triggs, LEAR, France
Yair Weiss, Hebrew University, Israel
Anat Levin, Hebrew University, Israel
Michal Irani, Weizmann, Israel
Luc van Gool, University of Leuven/ETH Zurich, Czechic

China
Harry Shum, MSRA
Xiaoou Tang, MSRA/CUHK
Jian Sun, MSRA
Steve Lin, MSRA
Yasuyuki Matsushita, MSRA
Zhouchen Lin, MSRA
Long Quan, HKUST 香港科技
Chi-Keung Tang, HKUST

Olivier Faugeras
----PonceUIUC
---lazebnik
----Zhengyou ZhangMSR
----Martial HebertCMU

Mit AI lab
poggio
---Oliva
---serre
Freeman 80年代还来太原理工扶贫了
---Y. Weiss
----- Levin
---Antonio Torralba (research scientist)
Trevor Darrell
---Grauman
补充一下
Zisserman还有一个不错的学生
lifeifei的合作者Rob Fergus

按研究方向分分, 应该更合理一些。
现在计算机视觉, 计算机图形图像, 机器学习开始融合到一起了吧。

J. Malik,Zhu Songchu偏segmentation;
D. Lowe, S. Ullman, Poggio 偏于从生物视觉的启发来研究视觉;
Zisserman, Schmid, Lowe研究局部特征;
Luc Van Goo, Long Quanl三维重建;
Perona, Li Feife, Freeman视觉i学习, 物体分类;
还有运动分析, 视觉跟踪,纹理分析.............

MIT的Brain & Cognitive Science Dept和CSAIL里面聚集了一帮人,有的作low level有的作mid level to high level的。他们的工作是值得关注的。

当然说视觉还是要从伟大的David Marr开始。Tomaso Poggio, Richard Whitman是Marr的同事,传承了其理念,一直往下走。Poggio最近几年比较重点的工作放在他那个hierarchical model上。

T. Poggio的第一个PhD学生是Christof Koch (kLab at Caltech)。哦,顺便说一下Koch的另外一个导师是Valentino Breitenberg——同样是影响了一个时代的大人物。Koch研究重点兴趣在consciousness上,在Nature上的很多文章体现了他的研究思想。不过他们也做不少初级的视觉问题,诸如attention。
Koch比较知名的弟子比如Laurent Itti和Li Feifei。

Richard Whitman 年纪比较大了,个人不是很关注他现在做的东西。不过他所在的Perceptual Science Group,是一个非常有影响力的地方,这个组其他大家比较熟悉的老师有Aude Oliva和EH Adelson。Adelson最著名的一个事儿是色彩恒常相关的视错觉,93年发在Science上的那篇。

关于Oliva,前面的帖子错了,她不是Poggio的学生,这家伙和Torralba是老乡,同在法国念书,主要从心理学那条路子开始做,成名之役是hybrid image,和Antonio Torrralba一起搞的。这个Hybrid Image 其实80年代就有了,但是最开始从心理学方向上探讨,没有非常有影响力的文章。后来开始靠谱作自然图像统计,得到Gist theory,当然这个illusion本身后来转投SIGGRAPH,其影响是深远的。嗯,这个和CV关系不大。
Perceptual Science Group出了不少牛人,他们的alumni list可谓超豪华阵容:Yair Weiss, Josh Tenenbaum, Pawan Sinha, Bill Freeman……


 

工厂自动化,机器视觉,机电设备制造改造维修的复合型人才
 
2009-08-08 16:56:20 沙发
 TA的主页  加收听  加好友  只看回帖  发短消息  送红花  引用回复   编辑   通知版主处理   
 
yongcai
银虫 (小有名气)
 

金币: 526.2
散金: 2
帖子: 257
在线: 34.5小时
虫号: 543384
注册: 2008-04-10
活跃: 2011-08-29
状态: 离线
性别: GG
专业: 光学信息获取与处理
 第3部分

三、前沿国际国内期刊与会议
这里的期刊大部分都可以通过上面的专家们的主页间接找到
1.国际会议 2.国际期刊 3.国内期刊 4.神经网络 5.CV 6.数字图象 7.教育资源,大学 8.常见问题
1. 国际会议
现在,国际上计算机视觉方面的三大国际会议是ICCV, CVPR和ECCV,统称之为ICE。
ICCV的全称是International Comference on Computer Vision。ICCV两年一次,与ECCV正好错开,是公认的三个会议中级别最高的。

ECCV的全称是Europeon Conference on Computer Vision,是一个欧洲的会议。

CVPR的全称是Internaltional Conference on Computer Vision and Pattern Recogintion国际计算机视觉与模式识别会议。这是一个一年一次的会议,举办地在美国。
ICIP—
BMVC—
MVA—
国际模式识别会议(ICPR ):
亚洲计算机视觉会议(ACCV):
2.国际期刊
以计算机视觉为主要内容之一的国际刊物也有很多,如:
International Journal of Computer Vision
IEEE Trans. On PAMI http://www.computer.org/tpami/index.htm
IEEE Transactionson Image Processing http://www.ieee.org/organizations/pubs/transactions/tip.htm
Pattern Recognition http://www.elsevier.com/locate/issn/00313203
Pattern Recognition Letters http://www.elsevier.com/locate/issn/01678655
IEEE Trans. on Robotics and Automation,
IEEE TPAMI
IEEE TIP
CVGIP Computer Vision. Graphics and Image Processing,
Visual Image Computing,
IJPRAI(Internatiorial Journat of Pattern Recognition and Artificial Intelligence)

众所周知, computer vision(cv) 存在ICCV/CVPR/ECCV三个顶级会议, 它们档次差不多,都应该在一流会议行列, 没有必要给个高下。 有些us的人认为ICCV/CVPR略好于ECCV,而欧洲人大都认为ICCV/ECCV略好于CVPR, 某些英国的人甚至认为BMVC好于CVPR。简言之, 三个会议差不多, 各有侧重和偏好。

笔者就个人经验浅谈三会异同, 以供大家参考和讨论。 三者乃cv领域的旗舰和风向标,其oral paper (包括best paper) 代表当年度cv的最高水准, 在此引用Harry Shum的一句话, 想知道某个领域在做些什么, 找最近几年此领域的proceeding看看就知道了。 ICCV/CVPR由IEEE Computer Society牵头组织, ECCV好像没有专门负责的组织。 CVPR每年(除2002年)都在美国开, ECCV每两年开一次,仅限欧洲, ICCV也是每两年一次, 各洲轮值。 基本可以保证每年有两个会议开, 这样研究者就有两次跻身牛会的机会。
就录取率而言, 三会都有波动。 如ICCV2001录取率>30%, 且出现两个人(华人)各有三篇第一作者的paper的情况, 这在顶级牛会是不常见的 (灌水嫌疑)。 但是, ICCV2003, 2005两次录取率都很低, 大约20%左右。 ECCV也是类似规律, 在2004年以前都是>30%, 2006年降低到20%左右。 CVPR的录取率近年来一直偏高, 从2004年开始一直都在[25%,30%]。最近一次CVPR2006是28.1%, CVPR2007还不知道统计数据。 笔者猜测为了维持录取paper的绝对数量, 当submission少的时候录取率偏高, 反之偏低, 近几年三大会议的投稿数量全部超过1000, 相对2000年前, 三会录取率均大幅度降低, 最大幅度50%->20%。 对录取率走势感兴趣的朋友, 可参考 http://vrlab.epfl.ch/~ulicny/statistics/(CVPR2004的数据是错的),http://www.adaptivebox.net/research/bookmark/CICON_stat.html.

显然, 投入cv的人越来越多,这个领域也是越来越大, 这点颇不似machine learning一直奉行愚蠢的小圈子主义。另外一点值得注意, ICCV/ECCV只收vision相关的topic, 而cvpr会收少量的pattern recognition paper, 如finger print等, 但是不收和image/video完全不占边的pr paper,如speech recognition等。 我一个朋友曾经review过一篇投往CVPR的speech的paper, 三个reviewer一致拒绝, 其中一个reviewer搞笑的指出, 你这篇paper应该是投ICASSP被据而转投CVPR的。 就topic而言, CVPR涵盖最广。 还有一个没有验证过的原因导致CVPR录取率高: 很多us的researcher不愿意或没有足够的经费到us以外的地方开会, 故CVPR会优先接收很多来自us的paper (让大家都happy)。

以上对三会的分析对我们投paper是很有指导作用的。 目前的research我想绝大部分还是纸上谈兵, 必经 read paper -> write paper -> publish paper -> publish paper on top conferences and journals流程。 故了解投paper的一些基本技巧, 掌握领域的走向和热点, 是非常必要的。 避免做无用功,选择切合的topic, 改善presentation, 注意格式 (遵守规定的模板), 我想这是很多新手需要注意的问题。 如ICCV2007明文规定不写summary page直接reject, 但是仍然有人忽视, 这是相当不值得的。
3.国内期刊
自动化学报、计算机学报、软件学报、电子学报,中国图象图形学报,模式识别与人工智能,光电子激光,精密光学工程等。
4.神经网络
神经网络-Neural Networks Tutorial Review
http://hem.hj.se/~de96klda/NeuralNetworks.htm
ftp://ftp.sas.com/pub/neural/FAQ.html

Image Compression with Neural Networks
http://www.comp.glam.ac.uk/digimaging/neural.htm

Backpropagator's Review
http://www.dontveter.com/bpr/bpr.html

Bibliographies on Neural Networks
http://liinwww.ira.uka.de/bibliography/Neural/

Intelligent Motion Control with an Artificial Cerebellum
http://www.q12.org/phd.html

Kernel Machines
http://www.kernel-machines.org/

Some Neural Networks Research Organizations
http://www.ieee.org/nnc/
http://www.inns.org/

Neural Network Modeling in Vision Research
http://www.rybak-et-al.net/nisms.html

Neural Networks and Machine Learning
http://learning.cs.toronto.edu/

Neural Application Software
http://attrasoft.com

Neural Network Toolbox for MATLAB
http://www.mathworks.com/products/neuralnet/

Netlab Software
http://www.ncrg.aston.ac.uk/netlab/

Kunama Systems Limited http://www.kunama.co.uk/
5.Computer Vision(计算机视觉)
Annotated Computer Vision Bibliography
http://iris.usc.edu/Vision-Notes/bibliography/contents.html
http://iris.usc.edu/Vision-Notes/rosenfeld/contents.html

Lawrence Berkeley National Lab Computer Vision and Robotics Applications
http://www-itg.lbl.gov/ITG.hm.pg.docs/VISIon/vision.html

CVonline by University of Edinburgh
The Evolving, Distributed, Non-Proprietary, On-Line Compendium of Computer Vision, www.dai.ed.ac.uk/CVonline

Computer Vision Handbook,
www.cs.hmc.edu/~fleck/computer-vision-handbook

Vision Systems Courseware
www.cs.cf.ac.uk/Dave/Vision_lecture/Vision_lecture_caller.html

Research Activities in Computer Vision
http://www-syntim.inria.fr/syntim/analyse/index-eng.html

Vision Systems Acronyms
www.vision-systems-design.com/vsd/archive/acronyms.html

Dictionary of Terms in Human and Animal Vision
http://cns-web.bu.edu/pub/laliden/WWW/Visionary/Visionary.html

Metrology based on Computer Vision
www.cranfield.ac.uk/sme/amac/research/metrology/metrology.html
6.Digital Photography 数字图像
Digital Photography, Scanning, and Image Processing
www.dbusch.com/scanners/scanners.htm l
7.Educational Resources, Universities 教育资源,大学
Center for Image Processing in Education
www.cipe.com
Library of Congress Call Numbers Related to Imaging Science by Rochester Institute of Technology
http://wally2.rit.edu/pubs/guides/imagingcall.html

Mathematical Experiences through Image Processing, University of Washington
www.cs.washington.edu/research/metip/metip.html

Vismod Tech Reports and Publications, MIT
http://vismod.www.media.mit.edu/cgi-bin/tr_pagemaker

Vision Lab PhD dissertation list, University of Antwerp
http://wcc.ruca.ua.ac.be/~visielab/theses.html

INRIA (France) Research Projects: Human-Computer Interaction, Image Processing, Data Management, Knowledge Systems
www.inria.fr/Themes/Theme3-eng.html

Image Processing Resources
http://eleceng.ukc.ac.uk/~rls3/Contents.htm

Publications of Carsten Steger
http://www9.informatik.tu-muench ... r/publications.html
8.FAQs(常见问题)
comp.dsp FAQ
www.bdti.com/faq/dsp_faq.htm
Robotics FAQ
www.frc.ri.cmu.edu/robotics-faq

Where's the sci.image.processing FAQ?
www.cc.iastate.edu/olc_answers/p ... processing.faq.html

comp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations
www.exaflop.org/docs/cgafaq

Astronomical Image Processing System FAQ
www.cv.nrao.edu/aips/aips_faq.html
四、搜索资源
http://sal.kachinatech.com/
http://cheminfo.pku.edu.cn/mirrors/SAL/index.shtml 北京大学

Google输入:computer vision 或computer vision groups可以获得很多结果

网络资源:
CVonline http://homepages.inf.ed.ac.uk/rbf/CVonline/视觉研究组列表
Computer vision test Image http://www.cs.cmu.edu/~cil/v-images.html卡内基梅隆标准图片库
视觉论文搜索:Paper search
http://www.researchindex.com
五、图像处理GPL库(代码库图像库等)
http://www.ph.tn.tudelft.nl/~klamer/cppima.html
Cppima 是一个图像处理的C++函数库。这里有一个较全面介绍它的库函数的文档,当然你也可以下载压缩的GZIP包,里面包含TexInfo格式的文档。

http://iraf.noao.edu/
Welcome to the IRAF Homepage! IRAF is the Image Reduction and Analysis Facility, a general purpose software system for the reduction and analysis of astronomical data

http://entropy.brni-jhu.org/tnimage.html
一个非常不错的Unix系统的图像处理工具,看看它的截图。你可以在此基础上构建自己的专用图像处理工具包。

http://sourceforge.net/projects/
这是GPL软件集散地,可以搜索IP库。

国内的CSDN http://www.csdn.net/ 

图像处理大牛主页

阅读数 753

没有更多推荐了,返回首页