2010-05-10 05:38:00 lifeissmile 阅读数 929

 

转载至http://bbs.image-pro.com.cn/read.php?tid=1168

做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牛的几个超级大拿(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充分利用网络资源,特别是权威网站和大拿们的个人主页。

下面是我收集的一些资源,希望对大家有用。(这里我要感谢SMTH AI版的alamarik和Graphics版的faintt)

导航栏:

[1]研究群体
[2]大拿主页
[3]前沿期刊
[4]GPL软件资源
[5]搜索引擎

一、研究群体
http://www-2.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。

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。

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。

http://www2.parc.com/istl/groups/did/didoverview.shtml
有一个很有意思的项目:DID(文档图像解码)。

http://www-cs-students.stanford.edu/
斯坦福大学计算机系主页,自己找吧:(

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/
这是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)。

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。

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.

http://peipa.essex.ac.uk/info/groups.html
可以通过它来搜索全世界各地的知名的计算机视觉研究组(CV Groups),极力推荐。

二、图像处理GPL库
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,到这里找你想要得到的IP库吧。

三、搜索资源
当然这里基本的搜索引擎还是必须要依靠的,比如Google等,可以到我常用的链接看看。下面的链接可能会节省你一些时间:

http://sal.kachinatech.com/
http://cheminfo.pku.edu.cn/mirrors/SAL/index.shtml
四、大拿网页
http://www.ai.mit.edu/people/wtf/
这位可是MIT人工智能实验室的BILL FREEMAN。大名鼎鼎!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”高手。

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
这位牛人好像正在学习汉语,并且搜集了诸如“两只老虎(Two Tigers)”的歌曲,嘿嘿:)
他的主页上面还有几个牛:Shumeet Baluja, Takeo Kanade。他们的Face Detection作的绝对是世界一流。他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。

http://www.ifp.uiuc.edu/yrui_ifp_home/html/huang_frame.html
这位老牛在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。

--------------------------------------------------------------------------------

下面这些是我搜集的牛群(大部分是如日中天的Ph.D们),可以学习的是他们的Study Ways!

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 Wang:Document 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 Lindblad:Digital 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 retri 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

五、前沿期刊(TOP10)
这里的期刊大部分都可以通过上面的大拿们的主页间接找到,在这列出主要是为了节省直接想找期刊投稿的兄弟的时间:)

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
2005-03-16 11:58:00 mengaim_cn 阅读数 2102

对于双目视觉,我想现在差在图像处理方面。据我现在的认识,双目视觉,一个方面是摄像机标定,一个方面是特征点的匹配问题。由于还没有做具体的试验,所以,很多东西的理解上都还有待提高。

对于摄像机的标定,现在想的是用很成熟的一种方法,直接用matlab里面的摄像机标定的工具箱做就可以了。

所以,现在的难点在于图像处理的问题,也就是寻找特征点进行匹配。

想一想,现在要进行识别的东西很简单,目标也是很明确,如果不考虑特殊的情况的话。也就是一个颜色偏近红色的小球和一个两端是黄色,中间是蓝色的角柱,目标都个头都不小。但是,难点在于,由于使用的是usb camera捕捉的图像,是运动的时候捕捉的,会有抖动的现象发生,这样图像就会有些模糊。现在想在这里把前两天做图像处理的时候发现的问题总结一下,然后,想一下解决的方法。

图像的分割有很多的方法。基于颜色的和基于形状的。现在感觉,虽然,问题看起来并不是很难,但是,如果,单一的用一种图像分割的方法,估计是行不通的了。

前几天,一直都是考虑仅仅是基于颜色的分割。也就是把rgb颜色空间转换到hsi颜色空间,然后,结合s值,但是,主要是根据h值进行分割。这里面,是在程序中设的阈值,因为总的感觉上,这些还是颜色很是分明的。这样的效果,是会有一些比较杂乱的点其实并不属于我想要的区域被分割出来,也会有一些明明是在我想要的区域中的点,没有被分割出来。对于那些被分割出来却又不是目标的点,可以用形态学中的开启闭合来去掉,但是,这样,目标,也会有些损失。而原先考虑用颜色的方法的时候,就是要得到目标中的每一个点的坐标,然后,求出中心点的值。按这样的处理效果,得到的中心点肯定会有很大的偏差,对于双目视觉,特征点的匹配是最重要的,所以,这样肯定是不行的。也考虑过用区域生长的方法,但是区域生长的方法要考虑到种子点的选取,生长的条件和终止的条件。这里面生长的条件应该是最难的。并且关键是,我以前没有编过类似的算法,而现在根本没有时间再去考虑做这个试验。还有,我也想过,用这种方法,最后,还是会产生有些区域分割不出来的问题。总的来说,光用颜色分割的方法不行!

现在想想,既然是要求精度高些,那么,应该是用边缘检测能好些。也许用彩色图像的边缘检测能好些。今天早上试验用普通的sobel等算子对因为摄像头的移动,边缘都有些模糊的图像进行检测(这里,是先转换成了灰度图),最后,边缘几乎都没有被检测出来,如果用的是canny算子,那么,检测出来的东西会很多,canny算子确实是不错,但是,细节也太多了,这样,真正要的东西会被淹没的。上面试验的时候是用的灰度图,这样,对于,角柱和小球的特点,它们都是有曲面的,光滑,所以,亮度光照对它们的影响还是挺大的,当有些光照强的话,那么,就会有些rgb值偏近于一致,这样,导致的结果是一个可以肯定的是当转换成hsi模型时,s值偏近为0,这样,h值也就会没有太多的意义了(这样,就让我的基于颜色的分割效果不太好)。而另一个影响,现在感觉不是确定的,就是,轮廓的光滑,让基于灰度值的边缘检测,效果不好(canny算子除外)。

现在,就想把基于颜色的分割和边缘检测结合起来,最后,用hough变换检测直线和圆(小球)。因为单独的用哪个,好像效果都不太好。也许就是单独用彩色图像的边缘检测也能达到这样的效果,但是,首先,我现在还没有发现什么好的彩色图像边缘检测的方法,曾经查找过这方面的内容,但是,没有什么收获,看图像处理的书上面说,对于边缘检测,彩色图像可以和灰度图像一样做,也就是把rgb三个分量分别做,这样和hsi的效果相比,也还行。其次,我还在想,如果光用边缘检测,最后,是要用hough变换的,如果最后要做hough变换的区域很大的话,那么,首先,会有很多的不需要的东西的干扰,还会增加计算量。所以,想用,基于颜色的分割先定一下分割的区域,然后,再在这个区域中边缘检测和hough变换。这样,就把基于颜色和基于形状的变换结合了起来。

现在边缘检测遇到了麻烦。想在matlab上先试一下算法,只要是算法效果好,程序,我想,应该不是太难的问题。然后,晚上或明天就要编写出最后的程序了。明天就是星期4了。

关键还是算法,怕找不到好的算法。而图像处理对整个的双目视觉又是这么的重要。如果,图像处理不好,那么,整个的系统,肯定就是不行的了。

必须,走一步,就保证一步的最大可能的没有太多的误差的。

2017-11-23 09:55:08 lijianlarry 阅读数 236
本人从事图像处理专业多年,对图像处理的知识还算了解。经过多年的工作和学习,经历了大大小小的几家公司,我发现无论单位还是个人都是用国外的图像处理库,比如:openCV、ITK等,虽萌生了一个问题:为什么我们不能做自己的图像处理库?
说实话,这个问题困扰我多年,面对openCV,开始的时候,我没有那个勇气跟人家比肩,你的算法再高明,能比编写openCV的专家们写的更好吗?即便是算法更好,编程会比他更好吗?(编程技巧太重要了)即便是你的算法比他好,编程技巧比他好,人家还有SSE、SSE2及嵌入汇编加速。
好的,好的,即便是以上都做到了,openCV还有IPP进行加速,你能行吗?
面对这些事情,一个人早就投降了,在这么多的优良武器面前,低个头似乎才是正常的事情。
但是,本人从事图像处理算法多年,很爱算法编写,开始的时候,就想试一下。可以换个角度来思考这个问题,如果挑战openCV失败了,没有什么丢人的,因为他太过强大;如果,有一两个算法比他更快呢,效果更好呢?不求多了,就是一两个。
基于这个想法,我开始了做自己的图像库YxImage漫漫路程,经过两年的努力(抽时间,本人有固定工作),终于小有所成,我的算法库中的大部分函数,执行速度都比openCV高(比较的openCV1.0版本,特殊说明的是,openCV后面的版本会对算法有所改进,但是基础算法并未本质的改动,有的提升有限,有的甚至还不如旧版本)。
在这里,我想回答一下,困扰我的上面几个问题。
1)算法是否能比openCV更好? 答案是肯定的,毕竟openCV不会跟时代那么紧,即便不必他更好,选择openCV使用的算法加以实现,至少说明,咱不比他差。
2)编程技巧会比openCV好吗?这个问题很简单,不会就学啊,向openCV学习
3)SSE、SSE2及嵌入汇编加速呢?这个也是要学,没有其他的方法
4)IPP加速呢?我觉得没必要去非要挑战IPP,只是在某些方面,某些算法上比openCV好,那就很好了。用过IPP的朋友都知道,IPP对算法的加速很有限,而且加速效果也不是很显著。
经过以上几个问题的心路历程,本人正式决定去挑战openCV!请大家关注图像库YxImage。
目前,我已经在CSDN发布了YxImage V1.0版本。

所含图像处理函数如下:
1)图像处理函数基本函数:
图像读写、拷贝、克隆 、感兴趣区域设置、不同通道之间的变化、灰度化、二值化、缩放、细化、翻转、转置等等
图像增强:Gamma变换、对数变换
形态学的函数:膨胀、腐蚀、开闭操作
图像的四则运算:加减乘除
图像逻辑运算函数:与或非操作
边缘检测:sobel、laplace、canny
滤波函数:高斯滤波(包含滤波及上下采样函数)、均值滤波、中值滤波、维纳滤波(V1.0版本里面还没有均值滤波、中值滤波、维纳滤波,算法已经写成了,会陆续发布)
图形图像函数:画直线、矩形、椭圆、箭头等形状
配准算法:sift配准
2)分类算法
Fisher 分类
3)数字信号处理函数
快速傅里叶变换及反变换、haar小波变换及反变换、ICA(独立分量分析算法)
4)与opeCV的接口转化函数
Yx_IplImage2YxImage 和 Yx_YxImage2IplImage






2010-04-30 10:25:00 guoyunfei20 阅读数 455

本人主要研究方向为图像处理,但是是新手,很多算法的源代码都是通过CSDN获取的,受益匪浅。但每每想寻找源代码时都要费尽周折,对一些网站的做法很不齿!知识本是无界的,分享知识本身就是一种快乐,对个别网站的小贩作风很是气愤。所以我准备开通博客,将本人工作和学习过程中的收集的代码直接写出来,以便大家有需时能轻松获得,我分享我快乐。

2014-05-04 19:03:15 guangmingsky 阅读数 3800

最近版上有不少人在讨论图像处理的就业方向,似乎大部分都持悲观的态度。我想结合我今年找工作的经验谈谈我的看法。就我看来,个人觉得图像处理的就业还是不错的。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。
下面谈谈我所知道的一些公司信息,不全,仅仅是我所了解到的或者我所感兴趣的,实际远远不止这么多。
搜索方向
基于内容的图像或视频搜索是很多搜索公司研究的热点。要想进入这个领域,必须有很强的编程能力,很好的图像处理和模式识别的背景。要求高待遇自然就不错,目前这方面的代表公司有微软、googleyahoo和百度,个个鼎鼎大名。
医学图像方向
目前在医疗器械方向主要是几大企业在竞争,来头都不小,其中包括西门子、飞利浦和柯达,主要生产CTMRI等医疗器材。由于医疗器械的主要功能是成像,必然涉及到对图像的处理,做图像处理的很有机会进入这些公司。它们在国内都设有研发中心,simens的在上海和深圳,GE和柯达都在上海,飞利浦的在沈阳。由于医疗市场是一个没有完全开发的市场,而一套医疗设备的价格是非常昂贵的,所以在这些地方的待遇都还可以,前景也看好。国内也有一些这样的企业比如深圳安科和迈瑞。
模式识别方向
我没去调研过有哪些公司在做,但肯定不少,比如指纹识别、人脸识别、虹膜识别。还有一个很大的方向是车牌识别,这个我倒是知道有一个公司高德威智能交通似乎做的很不错的样子。目前视频监控是一个热点问题,做跟踪和识别的可以在这个方向找到一席之地。上海法视特位于上海张江高科技园区,在视觉和识别方面做的不错。北京的我也知道两个公司:大恒和凌云,都是以图像作为研发的主体。
视频方向
一般的高校或者研究所侧重在标准的制定和修改以及技术创新方面,而公司则侧重在编码解码的硬件实现方面。一般这些公司要求是熟悉或者精通MPEGH.264或者AVS,选择了这个方向,只要做的还不错,基本就不愁饭碗。由于这不是我所感兴趣的方向,所以这方面的公司的信息我没有收集,但平常在各个论坛或者各种招聘网站经常看到。我所知道的两个公司:诺基亚和pixelworks。


其实一般来说,只要涉及到成像或者图像的基本都要图像处理方面的人。比方说一个成像设备,在输出图像之前需要对原始图像进行增强或者去噪处理,存储时需要对图像进行压缩,成像之后需要对图像内容进行自动分析,这些内容都是图像处理的范畴。下面列举一些与图像有关或者招聘时明确说明需要图像处理方面人才的公司:上海豪威集成电路有限公司、中芯微、摩托罗拉上海研究院、威盛、松下、索尼、清华同方、三星。所有与图像(静止或者运动图像)有关的公司都是一种选择。比如数码相机、显微镜成像、超声成像、工业机器人控制、显示器、电视、遥感等等,都可以作为求职方向。
要求:
1
、外语。如果进外企,外语的重要性不言而喻。一般外企的第一轮面试都是英语口语面试。
2
、编程。这方面尤以C++为重,很多公司的笔试都是考c++知识。
3
、专业水平。如果要找专业相关的工作,研究生期间的研究经历和发表的论文就显的比较重要。
4
、知识面的宽度。我觉得在研究生期间,除了做好自己的研究方向之外,扩宽一下知识面也有很大的帮助,当然这个知识面指的是图像处理、计算机视觉和模式识别,知识面越宽,就业时的选择就会越多。
图像处理方向毕业的就业面非常广,而且待遇在应届生应该是中上等。其实还是一句话,能力决定一切。只要研究生三年没有白过,根本不愁找不到好工作。祝所有正在读研或者即将读研的朋友将来都能有一份满意的工作。
我说点不好的,版主的说法我同意都是正面的,反面的来说:现在大学和研究机构做图象的越来越多了,这里面老板自己懂图象的不知道有多少?!老板不懂,影响还是很大的。多数做图象的是用MATLAB,用别人的代码。在研究生三年学好C++毕业的有多少?在公司C++是重要的。图象其实就是信号处理,除了本科是学信号的以外,信号与系统、数字信号处理是一定要学好的,那相应的数学方面的概率,多元统计,甚至泛函也要了解。外语的基本要求是看懂英文文献(不一定全看懂),相应的英文书。去外企做研发,这是必备的。然后是口语和听力。说这些不是波冷水,希望大家了解清楚。
Compared to the number of jobs available each year in the imaging soceity, the people who are majoring on it are way too much. I have to say most of the people who studied the this area were not end up with working on this area anymore.
The most important thing here is to understand image processing, it requires a broad level of knowledge including, some math (algrebra, statistics, PDE), dsp, pattern recognition, programming skills...
It is all these background skills will find you a job, so prepare to have a deep understanding on all these areas related to image processing
我也是学模式识别的,但是研究方向是遥感图像处理和识别.总的来说这个方向是比较专,但也是目前图像处理中比较难做的一个方向,因为遥感图像的复杂性超过我们所见过的任何图像.
其实谈到就业问题,我觉得如果研究方向比较适合,特别是读研期间能到斑竹谈的那些牛比的公司实习,了解企业真正需要的方向可能做起来有目标性.
顺便提下:高德威公司还是不要考虑,因为本人在毕业面试过程中,虽然面试的人力资源人员很友善,但是通过他们老板写的一些文章可以发现他们还是一个比较自恋和自大的公司.
楼主是好人,不过此文更多是安慰,新手不可太当真
衡量专业好坏的标准有两个:应用前景和技术门槛。个人觉得图像处理应用前景一般,比通信,计算机差远了,而技术门槛,相信不是新手都清楚,比微波之类低不少。总的来说图像方向就业一般,it业算较冷得,特别是模式识别,人工智能之类,看起来高深邪乎,其实就是博士都不好找工作(亲身所见)

1)说到图像处理比通信差,很大部分的原因是当前行业背景,但通信真正的研发在中国又有多少,我的朋友中很多做工程的,况且现在在通信领域,很大的一个难点,也是多媒体通信。
2
)说到比计算机差,我觉得这与你怎么看待计算机专业有关,有人觉得是基础,是工具,有人觉得是专业。况且计算机那边,现在研究图像的也不少。
3
)再者,说微波,RFID等入门难,但要做精又谈何容易,而且兴趣真的很重要,没有兴趣,再有前景的专业,你也不一定能做好,还有女生并不适合搞这个,就业时,单位一般会暗示。另外,就业面也较窄,好公司真的难进,找工的时候,真的很郁闷,特别对女生。或许将来很大发展前途,这个另当别论。
4
)说回图像处理,我觉得还是较中肯的,略有好的嫌疑,关键还是在读研的时候能把方向做宽。一般做图像处理,需要何模式识别等相结合,拓宽知识面是必要的,在真正做研究的时候,也发现是必须的。研究点做深入,注重实现能力、创新能力和学习能力,通过论文多培养自己的材料组织提炼能力,锻炼逻辑思维。如果真的能做到三年光阴不虚度,找工应该不是问题,到时真正要考虑的是定位问题。
5
)当然,最后,找工的时候,包装是一种技巧,整合是一种需要。
我觉得做图像处理还是很有前途的。

 

作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牛的几个超级大拿(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充分利用网络资源,特别是权威网站和大拿们的个人主页。下面是我收集的一些资源,希望对大家有用。(这里我要感谢SMTH AI版的alamarik和Graphics版的faintt)

导航栏: [1]研究群体、[2]大拿主页、[3]前沿期刊、[4]GPL软件资源、[5]搜索引擎。

一、研究群体
http://www-2.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。

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。

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。

http://www2.parc.com/istl/groups/did/didoverview.shtml
有一个很有意思的项目:DID(文档图像解码)。

http://www-cs-students.stanford.edu/
斯坦福大学计算机系主页,自己找吧:(

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/
这是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)。

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。

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.

http://peipa.essex.ac.uk/info/groups.html
可以通过它来搜索全世界各地的知名的计算机视觉研究组(CV Groups),极力推荐。

二、图像处理GPL库
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,到这里找你想要得到的IP库吧。

三、搜索资源
当然这里基本的搜索引擎还是必须要依靠的,比如Google等,可以到我常用的链接看看。下面的链接可能会节省你一些时间:

http://sal.kachinatech.com/
http://cheminfo.pku.edu.cn/mirrors/SAL/index.shtml
四、大拿网页
http://www.ai.mit.edu/people/wtf/
这位可是MIT人工智能实验室的BILL FREEMAN。大名鼎鼎!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”高手。

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
这位牛人好像正在学习汉语,并且搜集了诸如“两只老虎(Two Tigers)”的歌曲,嘿嘿:)
他的主页上面还有几个牛:Shumeet Baluja, Takeo Kanade。他们的Face Detection作的绝对是世界一流。他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。

http://www.ifp.uiuc.edu/yrui_ifp_home/html/huang_frame.html
这位老牛在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。

五、前沿期刊(TOP10)
这里的期刊大部分都可以通过上面的大拿们的主页间接找到,在这列出主要是为了节省直接想找期刊投稿的兄弟的时间:)

IEEE Trans. On PAMIhttp://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

图像处理方面资料

阅读数 263

图像处理相关网站

阅读数 600

没有更多推荐了,返回首页