2008-11-23 15:39:00 ccfboy 阅读数 671

图像处理教学网站(英文)
http://www.imageprocessingplace.com/

 

中国图像图像学会
http://www.csig.org.cn/

 

中国图像图形网
http://www.image2003.com/

 

中国图像图形学报
http://www.cjig.cn/

 

image processing (综合)
http://bbs.matwav.com/user/download/84430/Link.htm

 

中国科学院自动化研究所模式识别重点实验室
http://nlpr-web.ia.ac.cn/

 

图像处理联盟
http://club.heima.com/forum_display.aspx?forumid=164529&categoryid=31

 

小波向导
http://users.rowan.edu/~polikar/WAVELETS/WTtutorial.html

 

中国站长-图像处理类
http://code.cnzz.cn/softlist/410_10.aspx

 

阿须论坛
http://www.assuredigit.com/forum/

 

中国自动识别网
http://www.autoid-china.com.cn/index6.asp

 

Image Processing Fundamentals
http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip.html

 

Image Processing and Analysis Group
http://noodle.med.yale.edu/

 

PEIPA, the Pilot European Image Processing Archive
http://peipa.es***.ac.uk/

 

efg's Image Processing
http://www.efg2.com/Lab/Library/ImageProcessing/

 

Fuzzy Image Processing
http://pami.uwaterloo.ca/tizhoosh/fip.htm

 

Digital Image Processing Laboratory of the Electrical Engineering Department at the University of Cape Town
http://www.dip.ee.uct.ac.za/

 

Image Processing Laboratory
http://www.med.uni-giessen.de/ipl/

 

UC Berkeley Video and Image Processing Lab
http://www-video.eecs.berkeley.edu/

 

MICCAI 2005 8th International Conference on Medical Image
Computing and Computer Assisted Intervention

http://www.miccai2005.org/

 

Image Processing Fundamentals - Contents
http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Contents.html
对初学者很好!

 

Center for Image Processing Research
http://www.cipr.rpi.edu/

 

ICIP, 2005 - The IEEE International Conference on Image Processing
http://www.icip05.org/

 

Astroart 3.0 is a complete software for image processing, photometry, astrometry, CCD control and image stacking for CCD and film images
http://www.msb-astroart.com/
图像软件

 

Journal of Flow Visualization and Image Processing
http://begellhouse.com/journals/52b74bd3689ab10b.html
图像处理的期刊

2014-11-20 14:48:47 u013360881 阅读数 607

转自:  http://blog.sina.com.cn/s/blog_53c74fa1010002pn.html


做数字图像处理的,怎能没有一个图库?虽说自己可以建立,可是如果是比较知名的图库,做出来的实验结果才能比较让人信服。coral是很有名,可他要收费。我寻寻觅觅,还是找到了一些图库,有的是纯texture图库,比如著名的vistex,有的是faceimages,有的也有RGB真彩色图的。下面罗列了一些url,可以找到对应的。
 
1、http://vismod.media.mit.edu/
这是美国麻省media实验室的一个网页,该实验室在数字图像处理方面还是很有成就的。在download里面会有很多有用的东西。比如vistex or faceimages and others
 
2、http://www.dice.ucl.ac.be/mlg/index.php?page=DataBases
这是ucl的machine learning group的database
 
3、http://sipi.usc.edu/services/database/index.html
这是著名的美国南加州大学的USI-SIPI image database,有纹理图和真彩图
 
4、http://www.cs.washington.edu/research/imagedatabase/
这是华盛顿大学的Ground truth Database。这个图库我用的最多,因为目前做真彩色图作的比较多,而作单纯的纹理不是很多。该database里的图片都是RGB,jpeg格式的,对于matlab来说是很方便处理的。
 
所有图库我都下载过,链接均有效。当然我也不知道何时会失效,一般来说保留的时间应该比较长吧,因为都是大学在做的研究,前人学完了后人还需要。所以,基本上从我开始作发现这些图库开始,到现在已经半年了。依然保留着呢。
有需要的或者近期有需要的还是尽快下载吧。

2017-02-01 19:09:26 sinat_17196995 阅读数 2094

寒假任务之一:调研巡检相关的图像处理技术,如根据无人机采集的图像进行自动检测分析是否存在问题。例子:高铁桥梁检测、楼房墙皮破损等。
———————————————分割线——————————————————
就最近阅读的论文,围绕“巡检 图像处理 无人机”三个关键词进行查询,在国内论文搜索上所见相关论文都看了下。国外关键词用了patrol inspection 但是目前没有搜索到相关的技术应用论文,后续若有发现再补充。
顺便这里贴一个传送门:在家中如何免费使用知网等文献库

无人机可算作机器人的范畴,随着近几年无人机的发展,无人机与智能技术的结合在一些方面取得了成功。关于无人机应用与前景分析可参考:无人机与智能前沿技术与应用
将无人机技术和图像处理技术以及大数据、智能学习技术相融合已成为目前大多无人机研究应用的趋势,而巡检是一个合适且有这方面需求的领域。目前国内做巡检的主要是在电力方面,包括电网、输电站、输电线路等巡检,(其中做绝缘子巡检的论文偏多)也有做桥梁、路面裂缝巡检的。按照个人认为的技术发展顺序,我下面分为三类总结我关于国内“巡检”技术应用的调研情况。

1、早期:采集图像+图像处理+人工判定
在相对较早的时候,主要是采用机器人采集需要检测部分的图像,然后进行图像预处理(去噪声、灰度变换、图像增强等),然后通过边缘检测或者图像匹配算法,突出图像关键部位的变化,然后人工进行注意排查检测。

2、近期:采集图像+图像处理、提取特征+机器学习判别
在第一部分的发展上,目前的方法如下:(为了表达清晰 做了个图)
目前巡检推荐方法

其中1的特征匹配方法可参考:
图像特征提取——在满足分类识别正确率要求的前提下,使用较少的特征就能完成分类设别任务。

利用Bag Feature模型提取特征并构建图像的虚拟字典,其原理是:

a. 利用surf算法生成每幅图像的特征点;

b. 生成每幅图像的向量;

c. 将有疑问的图像向量与图库中图像的向量求夹角,夹角最小的即为匹配成功。

3、发展中:采集图像+图像处理 、提取特征+ 深度学习&大数据智能分析
在这部分主要是第二部分的发展,结合深度学习的方法对无人机采集的大量数据进行训练,或者自动学习更深层次的特征,然后进行检测分类,在数据量充足且特征合适的情况下,提取和识别的准确率预想的比机器学习方法要高。
2的特征分类方法可参考:
图像分类——利用神经网络训练样本数据,在图像识别阶段,只要将图像的特征向量作为神经网络分类器的输入,经过网络计

算,分类器的输出就是识别结果。

神经网络分类器用n个表示的样本送入神经网络,这些分类用二值表示,其原理是:

a. 第一级计算匹配度,然后被平行的通过输出线送到第二级;

b. 第二级中各类均有一个输出,当得到正确的分类结果后,分类器的输出可反馈到第一级;

c. 当样本十分相似时,分类器会做出正确的响应。

目前国内相关的可参考这篇介绍:深度学习在智能电网图像识别与故障检测中的应用

其他参考链接:http://www.ideayapai.com/index.php/article/detail/id/47.html

图像处理好站推荐

阅读数 470

YxImage 图像处理库

阅读数 236

没有更多推荐了,返回首页