影像處理的研究方向

你好!

    我雖然從事影像處理研究，但做的東西比較雜，也不是很深入。只能給你一些粗淺的建議。

    我感覺影像處理現在的發展有兩個層次，一個是演算法研究，需要較多的數學基礎，如偏微分方程(PDE)、各種空間變換(小波、曲波、剪下波等)。這些領域研究文獻特別多，但要想出點新東西確實比較難。如果能深入研究一下，寫出來的論文有一定理論深度，估計比較容易被錄用。

   另一個層次就是從橫向拓展，找新的應用，也別的技術相結合，關鍵是找到研究內容，演算法上只是將現有理論應用。最常見的與模式識別演算法相結合，如臉部偵測、行人檢測、視頻中運動檢測，等等。只有點子新，文章應該也比較容易錄用。

   王老師:

      你好,首先感謝你在繁忙的工作和學習中抽出時間來閱讀我的郵件。我是雲

南一所地方院校的教師，最近我在學習數位影像處理，看了岡薩雷斯的兩本教材

，知道映像增強、恢複、壓縮、編碼、分割等基本概念，但覺得很多詳細的內容

其實沒看太懂。也不知道要做影像處理方面的研究需要學哪些東西。看了網上的

一些討論說現在影像處理方面的理論研究已經很難做出新的東西，不知王老師怎

麼看，現在做影像處理哪個方面比較容易發文章。我最近要選在職碩士的畢業論

文題目，不知道從何入手，希望得到王老師的一些建議。在此不甚感激！

       我是從《中國圖象圖形學報》上看到王老師的文章和郵箱的，於是冒昧的

給你發了郵件，打擾之處還請見諒。

 

影像處理是個老問題，也是個難問題。影像處理方面的研究以及做了很多很多年了，看現在很多問題都沒解決。 舉個簡單的例子，比如去噪，到現在為止，都還沒有完全研究透。但要提出更好的方案，也比較難。還有比如自然映像的模型問題，至少到現在為止還沒有一個比較好的模型能夠描述大量的自然映像。有的模型也是對一些情況適用。 因此，做影像處理還是有得做的，可也不是那麼容易做的，就像上面的老師的回複，需要比較深的理論基礎，尤其是數學，訊號處理和統計方面的   研究的內容和研究的人員都比較多，不管研究什麼，只要能提出自己的見解，或者在別人的基礎上進行改進，應該都是可以的   映像解析度增強，比如一個小尺寸圖片放大數倍又要保證放大的效果，具體應用如人臉解析度增強，應用於監控視頻臉部偵測等環境. 這也是一位老師給我的意見,我查了下相關解析度增強的文獻,這方面中文的還挺少.有對這一方面瞭解的蟲子來聊聊.   映像解析度增強，比如一個小尺寸圖片放大數倍又要保證放大的效果，具體應用如人臉解析度增強，應用於監控視頻臉部偵測等環境. 這也是一位老師給我的意見,我查了下相關解析度增強的文獻,這方面中文的還挺少.有 ... 好像做多解析度映像增強也有不少吧   創新的東西真的不是太容易做的。本人感覺把影像處理的理論和其他學科相結合才是能有最大發揮的途徑。   我覺得這位老師的回信還是很中肯的，基本上多媒體領域（包括視頻、音頻等）都是這兩條思路。 個人感覺： 如果你是學數學出身、對媒體本身感覺不明顯，可以沿著第一條思路走，畢竟大部分學電腦出身的人理論功底都不如你，套用一些數學上常用的變換或最佳化就可能就會讓方法看起來很新穎； 如果你是學電腦出身、數學功底一般的話，可以沿著第二條思路走，只要能找到一個有趣的應用，裡面用的方法不算太土，就是很不錯的文章了。 當然，如果你兩方面都很強，就可以隨心所欲了，橫著走都沒事。 PS：圖形圖象學報也許是國內在影像處理方面最好的期刊了，但如果想做研究，還是多關注一下知名國際會議，例如MM，ICIP……文章內容要新很多。   我覺得這位老師的回信還是很中肯的，基本上多媒體領域（包括視頻、音頻等）都是這兩條思路。 個人感覺： 如果你是學數學出身、對媒體本身感覺不明顯，可以沿著第一條思路走，畢竟大部分學電腦出身的人理論功底 ... 感謝謝你的回複。我是沒法橫著走了。數學不好，電腦也不行。鬱悶得很，搞科研太難，很不適合我呀。呵呵   除了極少數人外，大部分人在本科剛畢業的時候，這兩方面都不會太突出。只要你在同年級中還算可以，那麼就不會有太大問題。 如果兩個方面都比較欠缺，但又很想搞研究的話，建議先趁年輕補數學。雖然開始發文章會慢一些，但後面看文章、寫文章都會快很多，少走很多彎路，磨刀不誤砍柴工。 如果不是很想搞科研，就去工作吧。其實工作蠻好的，起碼掙錢多，做到後來也不是很辛苦。   哎，我們做浮水印的更難啊   我也是做演算法的，比較難做啊，而且需要靜下心來看好多東西，嗨嗨。。只能努力了啊。。 中國圖象圖形學報很不錯。但不是EI核心。   中國圖象圖形學報很不錯。但不是EI核心。 能投到中國圖象圖形學報我覺得就很厲害了,因為我真的實在是菜鳥,雖然每天都在學習了,但還是什麼都不懂,嘗試寫了第一篇論文投了一底層次的期刊,被要求改了下格式後被錄用了,結果版面費1700元,嘿死人,算了,不交了.以後真能投到核心的1700就1700吧.   映像解析度增強，比如一個小尺寸圖片放大數倍又要保證放大的效果，具體應用如人臉解析度增強，應用於監控視頻臉部偵測等環境. 這也是一位老師給我的意見,我查了下相關解析度增強的文獻,這方面中文的還挺少.有 ... 這叫超解析度重建，是一個不錯的研究方向。   這叫超解析度重建，是一個不錯的研究方向。 非常感謝你的提示！之前我用＂解析度增強＂搜尋文章，找到的很少。經你提示後，發現這方面的文獻還真是不少．   這叫超解析度重建，是一個不錯的研究方向。 這個研究方向已經有好多年了吧,記得04年一次學術交流會上很多人在做這個啊   額，我剛剛學習數位影像處理這門課程，看到你們所講的好有感觸啊   影像處理現在確實很難進一步發展，同樣說明需要發展；自身理論創新不易，故國人大部分做應用。我認為影像處理瓶頸在於不像一維訊號有FFT、Wavelet等的分解重構工具，映像也需要分解重構，影像處理需要自己的工具。但是現在往往影像處理仍使用一維訊號分析方法，這接近自然本身的面目嗎？希望大家能用映像的觀點來思考映像，幸運的是已經有些科學家這樣做了，比如Beamlet、Ridgelet等。   影像處理現在確實很難進一步發展，同樣說明需要發展；自身理論創新不易，故國人大部分做應用。我認為影像處理瓶頸在於不像一維訊號有FFT、Wavelet等的分解重構工具，映像也需要分解重構，影像處理需要自己的工具。 ... 呵呵，應該是只大牛   有一定道理！   影像處理現在確實很難進一步發展，同樣說明需要發展；自身理論創新不易，故國人大部分做應用。我認為影像處理瓶頸在於不像一維訊號有FFT、Wavelet等的分解重構工具，映像也需要分解重構，影像處理需要自己的工具。 ...