图像去雾学术规范 PPT
基于同态滤波的图像去雾方法本科00950329
基于同态滤波的图像去雾方法本科00950329本科毕业设计（论文）题目：基于同态滤波的图像去雾方法I基于同态滤波的图像去雾方法摘要在雾霭等天气条件下获得的图像，模糊不清、颜色失真，影响视觉效果。
因此有必要对图像进行去雾研究。
图像去雾是通过一定的手段去除图像中雾的干扰，达到快速有效的去雾和清晰度恢复的作用，从而得到高质量的图像。
图像去雾的方法众多，同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊滤波方法。
这种方法能减少低频并增加高频，即尽量保留低频中的灰度级（保存图像原貌），又锐化细节，从而达到去雾的效果。
本文把基于同态滤波的去雾算法，与全局均衡化的图像去雾算法等方法进行对比，借鉴其他算法的优点，优化同态滤波算法，使图像去雾效果更加理想。
实验结果表明，同态滤波能较好的锐化细节，同时保持原图概况。
若要使图片达到更好的清晰度，需结合多种算法，叠加运行。
关键词：图像去雾；图像增强；同态滤波；直方图均衡化I IImage defog method based on themethod of image filterin AbstractThe image obtained in bad weather conditions such as fog, blur, color distortion, visual effects.Therefore, it is necessary to study images defogging.Images defogging is through a certain means of removing fog interference and achieve rapid recovery of fog and clarity of role, resulting in high quality images.Homomorphic filtering is an image in the frequency domain of contrast enhancement and special filtering method of image brightness range, homomorphic filtering can reduce the frequency and increase the frequency, that is, try to keep the low frequency of gray levels (save the original image) and sharpen details, so as to achieve the effect of fog.This fog based on homomorphic filtering method, and global equalization algorithm for images defogging method compares the advantages of other algorithms, optimizing the homomorphic filter algorithm, making the image to fog effect is more ideal. Experimental results show that the homomorphic filtering can be used to sharpen detail, while keeping the original profile. To make the image better definition, should be combined with a variety of algorithms, stacking operation.I I IKey words: image, image enhancement, image enhancement, image enhancement, image enhancement, histogram equalization.目录1 引言 (1)1.1 课题研究的背景和意义 (1)1.2 图像去雾的研究历史和发展现状 (2)1.3 本文主要研究内容和结构安排 (3)1.3.1 本文主要研究内容 (3)1.3.2 本文结构安排 (3)2 图像去雾概述 (5)2.1 图像去雾的概念 (5)2.2 图像去雾的分类 (5)2.2.1 基于物理模型的方法 (6)2.2.2 基于非物理模型的方法 (8)2.3 图像去雾的应用 (12)3 基于同态滤波的图像去雾方法 (13)3.1 同态滤波概念与定义 (13)3.2 同态滤波的原理 (13)I V3.3 同态滤波的操作的基本流程 (13)4 实验结果 (18)4.1 灰度版 (18)4.2 彩色版 (20)4.3 实验结果分析与评价 (22)5 评价与改进 (24)5.1直方图 (24)5.2暗通道 (26)5.3改进 (29)5.3.1红外处理 (29)5.3.2 红外与同态滤波结合优化 (29)5.3.3实验结果图 (30)结论 (31)致谢 (33)参考文献 (34)附录 (37)外文资料翻译及原文 (48)V1 引言图像去雾是图像处理中一个不可缺少的环节，在遥感、航拍、水下图像分析、户外视频、日常照片、处理等诸多方面有着广泛应用。
图像去雾技术研究进展
图像去雾技术研究进展近年来，随着计算机视觉和图像处理技术的不断发展，图像去雾成为研究的热点之一。
图像去雾技术是指通过研究图像中存在的雾气信息，利用算法和数学模型将图像中的雾气去除或减弱，从而提高图像的质量和清晰度。
图像去雾技术对于许多应用场景具有重要意义。
在计算机视觉和图像处理领域，如果图像中存在大量的雾气，会导致图像的细节模糊、对比度降低甚至失真，影响图像的可视化效果。
在航空、无人机摄影、遥感等领域中，由于物体与观测者之间存在大气散射现象，会导致图像中存在雾气，减弱图像的信息传递和视觉效果。
最早的图像去雾方法是基于物理模型的方法，例如通过对大气散射过程的建模，采用气象学原理来估计雾气的影响。
这种方法虽然能够一定程度上去除图像中的雾气，但对于复杂的场景和不同的光照条件下的图像处理效果有限。
随后的研究中，出现了基于暗通道先验的图像去雾方法。
该方法利用了天空区域在雾气影响下的特定属性，即图像中的暗通道。
暗通道是指在单一光源照射下，图像中任意一点的RGB通道中最小值的集合。
通过对暗通道的分析和处理，可以估计出图像中存在雾气的程度，并进行去雾处理。
这种方法在一定程度上能够取得较好的去雾效果，尤其在自然风光和室外场景中表现突出。
随着深度学习技术的兴起，基于卷积神经网络的图像去雾方法也得到了广泛应用。
通过利用深度学习模型，可以学习图像中雾气和景物之间的映射关系，从而更准确地去除图像中的雾气。
这类方法通过大量的训练数据和优化算法，能够实现更高质量的图像去雾效果。
除了上述方法外，还有一些新兴的图像去雾技术受到了研究者们的关注。
例如，基于双边滤波的图像去雾方法，通过对图像进行双边滤波处理，同时考虑像素之间的距离和相似度，可以有效地去除图像中的雾气。
此外，使用波束分解和多尺度分析的图像去雾方法也在研究中取得了一定的进展。
然而，图像去雾技术仍然存在一些挑战和局限性。
首先，雾气对图像的影响程度和分布方式较为复杂，不同的光照条件、气象条件以及物体和雾气之间的距离都会对去雾效果产生影响。
图像去雾方法和评价及其应用研究
图像去雾方法和评价及其应用研究摘要：图像去雾是图像处理领域的研究热点之一，它对于提高图像质量和视觉效果具有重要意义。
本文综述了图像去雾方面的方法和评价指标，并分析了其在实际应用中的研究进展和挑战。
一、引言近年来，随着人们对图像质量的要求越来越高，图像去雾成为了一个备受关注的研究领域。
在许多视觉应用中，如无人驾驶、视频监控以及无人机图像采集等领域，由于气象条件和环境影响导致的图像模糊和低对比度问题会严重影响图像的可视化效果和解释能力。
因此，如何提高图像的视觉质量和图像信息的提取能力就成为了当前研究的一个热点。
二、图像去雾方法1. 基于暗通道先验的图像去雾方法：该方法通过估计图像中的暗通道来逆向推导出雾气密度信息，进而优化图像的传输模型，从而实现去雾效果。
2. 基于物体边缘和传输模型的图像去雾方法：该方法通过在图像中检测物体边缘的方式来估计传输模型，然后通过传输模型对图像进行去雾处理。
3. 基于统计学的图像去雾方法：该方法通过统计图像的颜色和纹理信息来估计雾气密度和传输模型，从而实现去雾效果。
4. 基于深度学习的图像去雾方法：近年来，随着深度学习技术的快速发展，基于深度学习的图像去雾方法也得到了广泛应用。
这种方法通过训练深度卷积神经网络来识别和去除图像中的雾气。
三、图像去雾评价指标1. 视觉质量评价指标：图像去雾的视觉质量评价指标主要包括图像对比度、细节保留和自然度等方面的评价。
2. 物理上的评价指标：图像去雾的物理上的评价指标主要包括图像清晰度、失真度和色彩准确度等方面的评价。
四、图像去雾的应用研究1. 视频监控系统中的图像去雾应用研究：对于视频监控系统来说，由于天气和灰尘等因素的影响，监控图像往往模糊且不清晰。
图像去雾技术的应用可以大大提高监控图像的质量，从而增强监控效果。
2. 无人驾驶系统中的图像去雾应用研究：无人驾驶系统对于图像的清晰度和对比度要求较高，尤其是在恶劣天气条件下。
图像去雾技术可以有效解决这个问题，提高无人驾驶系统的安全性和稳定性。
基于单幅图像去雾算法分析
射成分 ，以恒 定反射率图像算法为基础 ，推论 ＭＡ Ｔ Ｌ ＡＢ实验平 台强 大 的数据 处理作 用，满
出多反 射率图像去雾算法 ，处理基础的 图像 ， 足单幅 图像去雾算法改进 的需求 ，简化 了图像
喜 幅 图像去 雾算 法的研究
在同一个像素的前提下 ，运用相邻像素之 间的
去雾 的过程 ，保障 图像 的真实性 ，进而提 高图
［ １ 】 王 印龙 ． 单 幅 图像 去 雾算 法研 究 ［ Ｄ ］ ． 西 安： 西安 电子科技大学 ， ２ ０ １ ４ ． ［ ２ 】 唐美玲 ． 单幅 图像去 雾算法 的研 究与应用
［ Ｄ ］ ．长沙 ：湖南大学 ， ２ ０ １ ４ ． 去 Nhomakorabea雾算法
基 于单 幅 图像 的去 雾算 法，分 为恒 定反 蕾图像算法 和多反射率图像算法两种 ，分析 Ｅ 去 雾中的应用 。
合 图像 的基 本 需求 。线 性 拉 伸 原理 ， 已经 得 到
在后续阶段获取恒定 的反射 率，评估反射 率中
键词 】单幅 图像 去雾 算法
的误差量 ，通过模拟误差 ，获取 真实的图像数 值 。当图像 中采用单 幅图像 去雾算法，满足恒
了多项 实验证 明，其可 改进单幅 图像去雾算法 的应用 ，促使 图像 处理达 到最佳 的状态 。线性
ｊ 像 与多媒体技术 ・ Ｉ ｍａ ｇ ｅ＆Ｍｕ ｌ ｔ ｉ ｍｅ ｄ ｉ ａ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ
基于单幅 图像去雾算法分析
文／ 祝 朝 磊
存 在着空气光反射率 ，导致 图像 中含有大量不
确 定 的 自 由度 。单 幅 图像 去 雾 算 法 ，就 要 去 除
理雾霾 图像 。单幅 图像去雾算法在应用 中，经
基于同态滤波的图像去雾方法本科00950329
基于同态滤波的图像去雾方法本科00950329本科毕业设计（论文）题目：基于同态滤波的图像去雾方法I基于同态滤波的图像去雾方法摘要在雾霭等天气条件下获得的图像，模糊不清、颜色失真，影响视觉效果。
因此有必要对图像进行去雾研究。
图像去雾是通过一定的手段去除图像中雾的干扰，达到快速有效的去雾和清晰度恢复的作用，从而得到高质量的图像。
图像去雾的方法众多，同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊滤波方法。
这种方法能减少低频并增加高频，即尽量保留低频中的灰度级（保存图像原貌），又锐化细节，从而达到去雾的效果。
本文把基于同态滤波的去雾算法，与全局均衡化的图像去雾算法等方法进行对比，借鉴其他算法的优点，优化同态滤波算法，使图像去雾效果更加理想。
实验结果表明，同态滤波能较好的锐化细节，同时保持原图概况。
若要使图片达到更好的清晰度，需结合多种算法，叠加运行。
关键词：图像去雾；图像增强；同态滤波；直方图均衡化I IImage defog method based on themethod of image filterin AbstractThe image obtained in bad weather conditions such as fog, blur, color distortion, visual effects.Therefore, it is necessary to study images defogging.Images defogging is through a certain means of removing fog interference and achieve rapid recovery of fog and clarity of role, resulting in high quality images.Homomorphic filtering is an image in the frequency domain of contrast enhancement and special filtering method of image brightness range, homomorphic filtering can reduce the frequency and increase the frequency, that is, try to keep the low frequency of gray levels (save the original image) and sharpen details, so as to achieve the effect of fog.This fog based on homomorphic filtering method, and global equalization algorithm for images defogging method compares the advantages of other algorithms, optimizing the homomorphic filter algorithm, making the image to fog effect is more ideal. Experimental results show that the homomorphic filtering can be used to sharpen detail, while keeping the original profile. To make the image better definition, should be combined with a variety of algorithms, stacking operation.I I IKey words: image, image enhancement, image enhancement, image enhancement, image enhancement, histogram equalization.目录1 引言 (1)1.1 课题研究的背景和意义 (1)1.2 图像去雾的研究历史和发展现状 (2)1.3 本文主要研究内容和结构安排 (3)1.3.1 本文主要研究内容 (3)1.3.2 本文结构安排 (3)2 图像去雾概述 (5)2.1 图像去雾的概念 (5)2.2 图像去雾的分类 (5)2.2.1 基于物理模型的方法 (6)2.2.2 基于非物理模型的方法 (8)2.3 图像去雾的应用 (12)3 基于同态滤波的图像去雾方法 (13)3.1 同态滤波概念与定义 (13)3.2 同态滤波的原理 (13)I V3.3 同态滤波的操作的基本流程 (13)4 实验结果 (18)4.1 灰度版 (18)4.2 彩色版 (20)4.3 实验结果分析与评价 (22)5 评价与改进 (24)5.1直方图 (24)5.2暗通道 (26)5.3改进 (29)5.3.1红外处理 (29)5.3.2 红外与同态滤波结合优化 (29)5.3.3实验结果图 (30)结论 (31)致谢 (33)参考文献 (34)附录 (37)外文资料翻译及原文 (48)V1 引言图像去雾是图像处理中一个不可缺少的环节，在遥感、航拍、水下图像分析、户外视频、日常照片、处理等诸多方面有着广泛应用。
图像复原—去雾总结报告
方法三：同方法二，将横轴梯度值进行 了归一化，分别在RGB，HSV，HSI， Lab，yCbCr五个颜色空间进行统计。
利用均值和中值方法提取背景
均值：分别对图像数据库中每个场景点 的图像利用均值方法进行背景提取，得 到每个场景点的背景。
中值：分别对图像数据库中每个场景点 的图像利用中值方法进行背景提取，得 到每个场景点的背景。
问题：得到的图像是灰度图像，并且保 存时候图像大小格式发生变化，无法提 取前景。
Author:Jean-philippe Tarel; Nicolas hautiere From:LEPSIS France Publish:ICCV 2009 本方法可以用于彩色和灰度有雾图像的能见度提高。
最大的优点是速度快。复杂度是图像像素数的线性函 数。主要是利用滤波器方法来推算出大气散射函数， 进而通过反解求出能见度提高的图像。
建视频和图像数据库
视频：正常场景和有雾场景下，五个拍摄点， 每个点分为远景、中景、近景。视频格式avi， 帧速率为30帧/秒。大小为1920*1080和 1440*1080。
图片：将视频每个场景下的视频拆分为图片。 并将其按比例缩小获得有雾和无雾两个图像数 据库，有雾为13776张，无雾为12876张。大小 为432*324和480*270，格式为bmp。
大气物理模型
I (x) J (x)t(x) A(1 t(x))
利用DCP 先验，能够快速估计出大气传输函数 t，进而求解清晰图像J。
算法非常简单，去雾效果很理想。 很多算法都是基于DCP 的改进算法。
平滑大气传输函数采用soft matting 的思路，效 果较好但是复杂度过大。
对于没有大气光，或者景物在本质上同空气层 接近并且没有阴影覆盖其上时，暗原色先验效 果不好。
图像去噪算法研究ppt-课件
• 第二类小波系数由信号变换得来,并包含噪声的影响,这类小波系数幅值大,数目较少
• 这样可以通过小波系数幅值上的差异设置阈值。大于这个阈值的小波系数认为属于第二类系数, 即同时含有信号和噪声的变换结果,可以保留(简单保留或进行后续操作),而小于这个阈值的小波 系数,则认为是第一类小波系数,即完全由噪声变换而来,去掉这些系数就达到了降噪的目的,同时 由于保留了大部分包含信号的小波系数,可以较好地保持图像细节。
软阈值具有连续性，获得的结果更加平滑，但易造成边缘模糊等问题
结论：中值滤波对椒盐噪声的滤波较好，对高斯噪声的滤波较差
G(u,v)是通过H(u,v)减少F(u,v)的高频部分来得到的结果。
H(u,v)作为u、v的函数的 三维透视图
理想低通滤波器
原图
截止频率=20
截止频率=60
结论：当截止频率非常低时，只有非常接近原点的低频成分可以通过，图像模糊严重；截止频率 越高，通过的频率成分越多，越接近原图。可以看出，理想低通滤波器不可以很好的兼顾噪声滤除 与细节保留两个方面。
所以阈值化处理的关键是阈值的选取
阈值的选取
• Donoho和Johnstone统一阈值(简称DJ阈值）
T =sigma
，其中sigma为噪声标准方差，N
为信号的尺寸或长度
2lnN
这个阈值由于同信号的尺寸对数的平方根成正比，当N较大时， 阈值趋向于将所有小波系数置0，此时小波滤波器退化为低通滤 波器
• 其中软阈值化表达式为：
•
W
硬=阈值sg化n表(W示)为(
：W
- T), W
T ,sgn(W
)表示当W
基于深度学习的图像去雾算法研究与应用
基于深度学习的图像去雾算法研究与应用图像去雾是一项旨在消除图像中由于光在大气中的散射和吸收产生的雾霾效应的技术。
这项技术在很多领域都有着广泛的应用，例如自动驾驶、航空航天、医学图像处理等领域。
在传统的图像去雾方法中，需要通过手动选择雾密度参数和模型来估计雾的程度，然后对图像进行去雾处理。
这些传统的方法往往不能很好地适应不同场景下的不同雾霾情况，且处理效果也不够理想。
而基于深度学习的图像去雾方法则通过对大量的图像进行学习和调整雾的参数以及模型来提高去雾的效果，成为当前最为有效的图像去雾技术之一。
基于深度学习的图像去雾算法可以分为单幅图像去雾和深度图像去雾两种。
单幅图像去雾是将具有雾霾效应的图像直接输入到神经网络中进行学习，然后输出去雾后的图像。
而深度图像去雾则是利用激光雷达或者双目相机等设备获取场景中的深度信息，通过融合深度信息和图像信息来进行去雾处理。
其中，基于深度学习的单幅图像去雾在实际应用中更加普遍，下面重点对其进行介绍。
基于深度学习的单幅图像去雾算法主要包括基于传统神经网络架构和基于生成对抗网络（GAN）的方法两种。
基于传统神经网络架构的方法，通常是将具有雾霾效应的图像输入到两个神经网络中，一个是估计雾的密度和深度的网络，另一个是用于去雾的网络。
这种方法常用的神经网络模型有ResNet、U-Net、MobileNet等。
以U-Net为例，其网络架构包括一个下采样模块和一个上采样模块。
下采样模块利用卷积和池化等操作对原始图像进行分解，提取低级特征。
上采样模块则使用反卷积和可跳跃连接（skip connections）等操作，将低级特征与高级特征进行组合，生成最终的去雾图像。
这种方法的优点是简单易懂，且不需要预训练的模型参数。
基于生成对抗网络（GAN）的方法利用两个深度卷积网络，一个是生成器网络，一个是判别器网络，共同完成去雾处理。
生成器网络将具有雾霾效应的图像作为输入，通过学习雾的参数和去除雾的信息，从而生成清晰的图像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
PART ONE 绪论
3.三维重建： 将原来二维的东西通过三维来展现早已成为时代的发展
趋势。如地图方面对三维电子地图的应用；军事方面，
利用电子沙盘可实现任意角度旋转、放大缩小，水平、 垂直等方向上的距离的计算。另外，两点之间的障碍物、 剖面轮廓等也能被直观显示。除此之外，还能模拟飞行 路线等。所有这些为指挥作战带来了极大的方便。如何 在计算机中对场景进行快速、有效的重建，不仅仅是基 于上面所提到的优势促使人类去研究实践，而事实上它 一直以来都是计算机视觉研究领域的热点和难点，也是 数字图像处理的发展趋势之一。
变换、模糊数学等的研究。
PART ONE 绪论
准备从事的研究方向
随着工业的发展以及对气候的影响，雾霾越来越成为一种 常见的天气现象，这对户外应用的监控系统的画面品质造 成很大的影响。所以对已有的图像进行相关的去雾处理的 需求慢慢显现出来。
PART TWO
本论
PART TWO 本论
图像处理体系架构
主要进行三维景物理解和识别，是目前研究
之中的开放话题。主要用于军事侦察、危险 环境的自主机器人、 邮政、医院和家庭服务 的智能机器人、装配线工件识 别定位、太空 机器人的自动操作等。
PART ONE 绪论
2.虚拟现实： 虚拟现实是指由于计算机实时生成一个虚拟的三 维空间。目前，虚拟现实随着计算机软硬件技术 的提高，虚拟现实系统将会受到很大重视并将迅 速的发展。通过采用数据手套及在机器人身上的 摄像机，人们可以真实感受机器人所处的环境， 并且能够操纵机器人。另外，网上虚拟现实也是 一个研究重点。
和非线性处理能力。
开源的资源非常多。
PART TWO 本论
数字图像处理一般都用计算机处理或实时的硬件处理，因 此也称之为计算机图像处理。其优点是处理精度高，处理
内容丰富，可进行复杂的非线性处理，有灵活的变通能力.
其缺点是处理速度，特别是进行复杂的处理更是如此。一 般情况下处理静止画面居多，如果实时处理一般精度的数 字图像需要具有100MIPS的处理能力；其次是分辨率及精 度尚有一定限制，如一般精度图像是512×512×8bit，分 辨率高的可达2048×2048×12bit，如果精度及分辨率再 高，所需处理时间将显著地增加。
PART TWO 本论
图像处理人才能力结构
01
熟悉C++/C/OpenCV/Matlab开发语 言,主要是有较强的C++/C图像处理编程 能力，还要求具备良好的代码与文档风 格.
02 03
必须掌握图形处理的开发与研究,熟悉图 像处理的各种算法, ，结合不同应用， 还需要自然语言处理知识。另外，要有 优秀的数学功底
傅里叶变换
图像金字塔
余弦变换 图像变换 形态学图 数字图像 像处理 图像边缘 拉普拉斯变换 平滑处理 存储显示 检测 图像增强 梯度和Sobel 数字图像 膨胀与腐蚀 和复原 导数 基础知识 卷积 图像压缩 图像分割 图像特征提 取与匹配 图像识别 开操作与闭 操作 漫水填充法 尺寸调整
Canny算子
图像处理中有两种最重要的语言： c/c++和matlab。 它们各有优点：c/c++比较适合大型的 工程，效率较高，而且容易转成硬件语 言，是工业界的默认语言之一。而 matlab实现起来比较方便，适用于算法 的快速验证，而且matlab有成熟的工具 箱可以使用，比如图像处理工具箱，信 号处理工具箱。它们有一个共同的特点：
PART TWO 本论
图像处理技术一般也分为两大类：模拟图像 处理和数字图像处理。 模拟图像处理包括光学处理(利用透镜)和电子处 理，如照相、遥感图像处理、电视信号处理等。 模拟图像处理的特点是速度快，一般为实时处理， 理论上讲可达到光速，并可同时并行处理。电视 图像是模拟信号处理的典型例子.模拟图像处理 的缺点是精度较差，灵活性差，很难有判断能力
PART ONE 绪论
4.图像压缩、分割、识别算法的研究：
图像理解虽然在理论方法研究上已取得 不少的进展，但它本身是一个比较难的 研究领域，存在不少困难，正因为如此， 图像处理理论和技术受到各界的广泛重 视，当前图像处理面临的主要任务是研 究新的处理方法、构造新的处理系统， 开拓更广泛的应用领域。比如，针对各 种类型图像开发专业压缩算法、图像分 割算法、图像识别算法。尤其是对小波
04
保持一个良好的人际关系，对于我们的
工作生活都是很有帮助的
优秀的英文写作技能，英语口语流利。 主要是能读懂英文技术文档，在研究院 还需要写论文，公司更需要写技术文档， 所以平时得多积累专业词汇。
PART TWO 本论
空间域增 强处理 霍夫变换 频率域增 强处理 几何操作
图像去雾的知识体系
阈值化
重映射
C、C++、JAVA等等，但每种都算
不上熟练，基础的课程也已经忘 记了大半，所以有太多的只是要 不断去巩固、学习。预计在研究
生阶段能够发表一篇论文、申请
软件著作权并能够在一些项目中 得到锻炼。
PART ONE 绪论
图像处理研究与应用现状
目前，国内外对图像处理领域的研究主要在 以下几个方面：
1.计算机视觉： 机器人视觉作为智能机器人的重要感觉器官，
PART TWO 本论
图像去雾的学习规划
认真学好研究生期间的课程，在此基础 上多动手操作、实现出一些课程中出现 的问题，甚至解决一些尚未解决的问题， 用好VS、Matlab、OpenCV等工具， 学好C++，还要向机器学习等前沿领域 靠拢。
能够对图像处理熟练的使用Matlab 等工具，图像处理方面的模型、算法， 写一篇论文，做一个能够通过不同算 法处理图片的软件，申请到软件著作 权甚至通过一些努力与创新申请专利。
图形图像 处理领域
绪论
本论
结论 学术规范
PART ONE
绪论
PART ONE 绪论
自我评价
本科专业为计算机科学与技术， 学习的专业课比较杂乱，软件、 硬件、网络方向的相关课程都有 开设，编程语言也学习了很多种，
感兴趣的领域
在图像处理的课上看到了一副有噪声不 清晰的图片经过一个数学公式的改进之 后，输出效果得到了很大的提升，也让 我对图像处理领域产生了兴趣。