图像处理与机器视觉

一 行业分析

      数字图像处理是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式 存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。 数字图像处理是信号处理的子类， 另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处 理的方式和角度也有所不同。大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有 自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。图像处理中常用到快速傅立叶变换，因为它可以减小数据处理量和处理时间。

数字图像处理应用在以下方面 ：

摄影及印刷 (Photography and printing)

卫星图像处理 (Satellite imageprocessing)

医学图像处理 (Medical image processing)

面孔识别, 特征识别 (Face detection,feature detection, face identification)

显微图像处理 (Microscope imageprocessing)

汽车障碍识别 (Car barrier detection)

1.1 行业前景    

      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（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。

1.2 就业方向

    下面谈谈我所知道的一些公司信息，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、google、yahoo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个大企业在竞争，来头都不小，其中包括Simens、GE、飞利浦和柯达，主要生产CT和MRI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。

计算机视觉和模式识别方向

      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MPEG、H.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bbs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

其他

      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（VIA）

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。

附：北京相关图像的公司

外企：
01、  东芝(中国)有限公司 研究开发中心开发部
02、  通用电气(GE)医疗集团
03、  微软
04、  SONY
05、  凌阳
06、 理光软件研究所(北京)
07、  富士通研究开发中心有限公司
08、  三星电子中国通信研究院
09、  NEC中国研究院
10、  研发系统
11、  德加拉北京办事处
12、  适普软件
13、  松下
14、  佳能信息技术（北京）有限公司
15、  ITS(中国)有限公司
大型企业：
01、  海湾控股集团有限公司
02、  腾讯研究院招
03、  北大方正
04、  清华同方
05、  北京方正国际
06、  卓望集团
07、  迪瑞集团(北京)研发中心
08、  汉王科技股份有限公司
09、  威视股份
事业单位：
01、  中国核工业集团公司
02、  船舶系统工程部
03、  中科院软件所二部
04、  中国科学院软件研究所
05、  中科院自动化所
06、  中国兵器工业第二〇八研究所
07、  中国航天科技集团公司
08、  中国航天科技集团公司第五研究院
09、  综合信息系统技术国家级重点实验室
10、  国家农业信息化工程技术研究中心
11、  中国航天科工集团公司飞航技术研究院
12、  铁道部信息技术中心
13、  中国航天科工集团第二研究院第二〇七所
14、  中国科学院生物物理研究所
15、  中国电子科技集团公司第三研究所
16、  中国船舶信息中心
17、  航天科工卫星技术有限公司
18、  中科院电子所
19、  中国科学院计算技术研究所
20、  中国安全生产科学研究院
21、  中国航天时代电子公司光纤惯导项目分公司
22、  中国计量科学研究院
23、  公安部第一研究所
24、  中国印钞造币总公司
中小企业：
01、  北京中自邦柯科技有限公司
02、  北京锦恒佳晖汽车电子系统有限公司
03、  长峰科技工业集团公司
04、  北京京天威科技发展有限公司招聘职位
05、  北京优纳科技有限公司
06、  北京深拓科技有限公司
07、  永鑫宇恒信息技术
08、  北京蓝卡软件技术有限公司
09、  中盛信合（北京）科技有限公司
10、  北京赛尔蒂扶科技有限公司
11、  北达万坤（北京）科技发展有限公司
12、  北京思比科微电子技术有限公司
13、  北京德韶数码技术有限公司
14、  北京天远三维科技有限公司
15、  航天星图科技（北京）有限公司
16、  北京友通
17、  北京中盾安民分析技术有限公司
18、  北京文安科技发展有限公司
19、  北京华生恒业科技有限公司
20、  北京经纬恒润科技有限责任公司
21、  北京伟景行数字城市科技有限公司招聘
22、  北京极明源科技有限公司
23、  北京优立慧科信息技术有限公司
24、  北京华旗资讯数码科技有限公司
25、  北京新航智科技有限公司
26、  银河动力
27、  北京普赛科技有限公司
28、  北京德鑫泉科技发展有限公司
29、  北京嘉恒中自图像技术有限公司
30、  优加利信息科技（北京）技术中心
31、  北京天诚盛业科技有限公司
32、  北京华胜天成有限公司
33、  北京威速科技有限公司
34、  深圳市蓝韵实业有限公司（北京）
35、  北京维深科技发展有限责任公司
36、  重庆金山科技（集团）有限公司（北京）
37、  创新科技（中国）有限公司北京分公司
38、  北京思创贯宇科技开发有限公司
39、  明锐标图
40、  中钞长城金融设备控股有限公司
41、  北京文安视觉科技有限公司
42、  北京东方红海科技发展有限公司
43、  北京普赛科技有限公司
44、  北京昂天科技有限公司
45、  中国东方红卫星股份有限公司
46、  北京长江源科技有限公司
47、  北京海鑫科金高科技股份有限公司
48、  北京瑞斯康达科技发展有限公司
49、  厚德新视
50、  北京嘉恒中自图像技术有限公司
51、  北京科天健图像技术有限公司
52、  大恒图像
53、  凌云光子技术集团
54、  微视凌志
55、  北京微视新纪元科技有限公司
56、  银河传媒
57、  太阳驹（北京）科技发展有限公司
58、  北京道达天际软件技术有限公司
59、  北京航星永志科技有限公司
60、  北京创新未来科技有限公司
61、  北京吉威数码信息技术有限公司
62、  神形互联(北京)科技有限公司
63、  智安邦科技
64、  北京亚邦伟业技术有限公司
65、  北京顶亮科技有限公司
66、  北京华星世联科技有限公司
67、  北京昂天科技有限公司
68、  北京多维视通技术有限公司
69、  同方知网技术产业集团
70、  北京天诚盛业科技有限公司
71、  欢乐网北京研发中心
72、  德众通科技发展（北京）有限公司
73、  北京中远通科技有限公司
74、  北京山海经纬信息技术有限公司
75、  北京德威同致科技有限公司
76、  航天量子数码科技（北京）有限公司
77、  北京超图地理信息技术有限公司
78、  北京中科软件有限公司
79、  北京源德生物医学工程有限公司
80、  北京思比科微电子技术有限公司
81、  北京融信博通科技发展有限公司
82、  北京盛赞科技有限公司_
83、  北京普赛科技有限公司
84、  北京文通信息技术有限公司
85、  万盛（中国）科技有限公司
86、  北京康拓红外技术有限公司

 1.3 专业排名

     “数字图像处理”应该属于“信号与信息处理”方向。这个方向的考研的话就是选择“信号与信息处理”方向。考研专业课一般都会考“信号与系统”有的外加考“电路”或其他的课程，具体要看学校了，学校不同考的科目有差异。你是计算机专业考这个方向有一点点跨专业，不过跨的很小。这类好学校很多的，你可以在网上搜索“信号与信息处理”专业排名看看，这是其中一份排名：
1  西安电子科技大学  A+
2  北京邮电大学      A+
3  电子科技大学      A+
4  清华大学          A+
5  东南大学          A+
6  北京交通大学      A+
7  北京理工大学      A
8  哈尔滨工业大学    A
9  华中科技大学      A
10 上海交通大学      A
11 北京航空航天大学   A
12 北京大学           A
13 西北工业大学       A
14 大连理工大学       A
15 中国科学技术大学    A

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

二 素质要求

1、请学好图像基本理论知识，笔试会遇到很多基础的题；
2、良好的团队精神和沟通能力，很强的逻辑思维能力和学习能力。对工作认真负责，注重细节，肯吃苦，顾全大局。
3、请多做一些实际的项目，少一些理论的研究（针对中小企业而言）；
4、请不要只局限于的课题，因为可能你的课题只是图像处理领域的一些皮毛；
5、请多了解一些相关的前沿知识；
6、请不要迷信自己的算法，比如BP神经网络（可能理论研究时用的很多，可是实际呢？）
7、请尽量与企业的相关人士探讨该领域的问题，那样的收获比书本大很多；

8、 外语。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。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。

9、 编程。请学好c++语言，99%以上的公司在招图像岗位的人员时都会笔试c++；这方面尤以C＋＋为重，很多公司的笔试都是考c＋＋知识。精通C、C++、Matlab等编程语言编写，累计书写代码量超过10万行以上，精通机器视觉算法建模方法。

10、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。

11、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。多数做图象的是用MATLAB，用别人的代码（如小波）。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。

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.

衡量专业好坏的标准有两个：应用前景和技术门槛。

图像处理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。

12、模式识别，图像处理，应用数学等相关专业本科及以上学历，本科毕业要求10年以上机器视觉或图像处理方面工作经验，硕士学历要求8年以上机器视觉或图像处理方面工作经验，博士学历要求6年以上机器视觉或图像处理方面工作经验,国外留学人员优先。
13、精通高等数学、线性代码、几何计算、数理统计、张量代数等计算机视觉中的数学方法。
14、精通图像处理基本概念和常用算法包括图像预处理算法和高级处理算法。
15、精通项目管理，要求有5年以上项目管理经验，能组建团队、领导团队、制定项目计划、实施项目计划完成项目的能力。
16、对Smart Camera 有深入研究，包括功能需求、硬件架构、软件架构、视觉算法，对此产品有3年以上研发经验。
17、对新产品研发及项目产品化有5年以上工作经验，对新产品研发流程、项目产品化有独特的实践经验。
18、具备很强的探索创新能力，能够以独创性思维带领团队进行算法研究；
19、对opencv开源项目视觉算法有深入研究。

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

三 学习资源

    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) 

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 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

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

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 

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/

Computer Vision 

Computer Vision Homepage, Carnegie Mellon University

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, 

Computer Vision Handbook, 

Vision Systems Courseware 

Research Activities in Computer Vision 

http://www-syntim.inria.fr/syntim/analyse/index-eng.html 

Vision Systems Acronyms 

Dictionary of Terms in Human and Animal Vision 

http://cns-web.bu.edu/pub/laliden/WWW/Visionary/Visionary.html 

Metrology based on Computer Vision 

Digital Photography

Digital Photography, Scanning, and Image Processing 

Educational Resources, Universities 

Center for Image Processing in Education 

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 

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 

Image Processing Resources 

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

Publications of Carsten Steger 

http://www9.informatik.tu-muenchen.de/people/steger/publications.html

FAQs

comp.dsp FAQ 

Robotics FAQ 

Where‘s the sci.image.processing FAQ? 

comp.graphics.algorithms FAQ, Section 3, 2D Image/Pixel Computations 

Astronomical Image Processing System FAQ 

C/C++编程：

C/C++ 是最主要的编程语言。这里列出了50名优秀网站和网页清单，这些网站提供c/c++源代码。这份清单提供了源代码的链接以及它们的小说明。我已尽力包括最 佳的C/C++源代码的网站。这不是一个完整的清单，您有建议可以联系我，我将欢迎您的建议，以进一步加强这方面的清单。  
1、http://snippets.dzone.com/tag/c/ --数以千计的有用的C语言源代码片段  
2、http://www.hotscripts.com/category/c-cpp/scripts-programs/ Hotscripts --提供数以百计的C和C++脚本和程序。所有程序都分为不同的类别。  
3、http://www.planetsourcecode.com/vb/default.asp?lngWId=3 --超过万行C和C++免费的源代码  
4、http://freshmeat.net/browse/164/ --超过9000个C编写的项目。  
5、http://www.daniweb.com/code/c.html --DANIWEB提供的实用代码段 。  
6、http://www.programmersheaven.com/tags/C/ --programmersheaven.com上的C编程资源。  
7、http://www.ddj.com/code/ddj.html --Dr. Dobb’s Journal的源代码。  
8、http://www.cprogramming.com/cgi-bin/source/source.cgi --C和C + +编程资源。  
9、http://www.codecogs.com/ --CodeCogs是一项协作的开放源码库，C/C++的数值方面的组件。  
10、http://www.google.com/codesearch?q=programming++lang:c&cs_r=lang:c --谷歌代码的C源代码。  
11、http://www.codepedia.com/1/C --CodePedia是一个开放的关于系统编程和其他与电脑有关的议题。  
12、http://www.cis.temple.edu/~ingargio/cis71/code/ --为学生提供的一个简单的C语言程序的列表。  
13、http://www.codeproject.com/?cat=2 --codeproject提供的C/C++资源代码项目。  
14、http://www.thefreecountry.com/sourcecode/cpp.shtml --以下是一些C和C++库的DLL，VCLs，源代码，元件，模块，应用程序框架，类库，源代码片段等，你可以在您的项目中使用而不需要支付费用和版税。  
15、http://people.sc.fsu.edu/~burkardt/cpp_src/cpp_src.html --这是一个全面的关于C++的345个源代码清单。  
16、http://www.cplusplus.com/src/ --C++写的通用控制台程序和Windows程序代码清单。  
17、http://users.cs.fiu.edu/~weiss/dsaa_c++/code/ --C++语言数据结构与算法分析（第二版）的源代码。  
18、http://c.snippets.org/ --C源代码片段。  
19、http://www.bbdsoft.com/downloads.html --C++源代码。  
20、http://www.moshier.net/ 天文学和数值软件源代码  
21、http://cplus.about.com/od/cgames/C_Games_with_Source_Code.htm --游戏有关的C++源代码。  
22、http://cliodhna.cop.uop.edu/~hetrick/c-sources.html --免费的C/C++数值计算源代码。  
23、http://www.mathtools.net/C_C__/Utilities/index.html --C/C++工具。  
24、http://www.programmerworld.net/resources/c_library.htm --免费C++源代码和其它有用的工具。  
25、http://www.cmcrossroads.com/bradapp/links/cplusplus-links.html --布拉德阿普尔顿的C++链接-资源，项目，图书馆，教学和编码。  
26、http://www.robertnz.net/cpp_site.html --这是一个收集了数C/C++网站链接列表的网页。  
27、http://www.josuttis.com/libbook/examples.html --在这里，你可以看到并下载所有的本书的C++标准库例子 。  
28、ftp://66.77.27.238/sourcecode/cuj/ --C/C++用户杂志  
29、ftp://66.77.27.238/sourcecode/wd/ --Windows开发者网络  
30、http://www.einet.net/directory/65892/Developers.htm --C程序  
31、http://www.daniweb.com/code/cplusplus.html --实用代码段。  
32、http://snippets.dzone.com/tag/c --C++源代码  
33、http://www.programmersheaven.com/tags/C --C++编程资源，programmersheaven.com  
34、http://www.google.com/codesearch?hl=en&lr=&q=programming --谷歌代码搜索-C++编程语言  
35、http://www.codepedia.com/1/Cpp --CodePedia是一个开放的关于系统编程和其他与电脑有关的议题的网站。  
36、http://www.codebeach.com/index.asp?TabID=1&CategoryID=3 --C++源代码，Codebeach提供  
37、http://freshmeat.net/browse/165/ --5000项目写的C++编程语言  
38、http://cplus.about.com/od/codelibrary/Code_Library_for_C_C_and_C.htm --代码库C、C + +和C＃。  
39、http://www.c.happycodings.com/ --Visual Basic、PHP、ASP技术、C、C++大全。  
40、http://www.blueparrots.com/ --Borland C游戏，图像和声音源代码范例。  
41、http://www.java2s.com/Code/Cpp/CatalogCpp.htm --C++源代码。  
42、http://www.yeohhs.com/modules/mydownloads/ --C与C++电子书和源代码示例。  
43、http://www.brpreiss.com/books/opus4/programs/index.html C++的数学方程和公式源代码。  
44、http://users.cs.fiu.edu/ C++。  
45、http://www.josuttis.com/libbook/examples.html --C++标准库-教程和参考资料。  
46、http://emr.cs.uiuc.edu/~reingold/calendars.shtml Edward M. Reingold‘s Calendar Book, Papers, and Code。  
47、http://cpp.snippets.org/ --c++源代码档案。  
48、http://ubiety.uwaterloo.ca/~tveldhui/papers/techniques/ --用C和C++的解决科学问题。  
49、http://c.ittoolbox.com/topics/core-c/ --C/C++的IT工具框。  
50、http://www.le.ac.uk/cc/tutorials/c/ccccdbas.html --本文件中包含有大量的C示例程序。

人工智能牛人主页：

http://people.cs.uchicago.edu/~niyogi/

http://www.cs.uchicago.edu/people/

http://pages.cs.wisc.edu/~jerryzhu/

http://www.kyb.tuebingen.mpg.de/~chapelle

http://people.cs.uchicago.edu/~xiaofei/

http://www.cs.uiuc.edu/homes/dengcai2/

http://www.kyb.mpg.de/~bs

http://research.microsoft.com/~denzho/

http://www-users.cs.umn.edu/~kumar/dmbook/index.php#item5           (resources for the book of the introduction of data mining by Pang-ning Tan et.al. )（国内已经有相应的中文版）

http://www.cs.toronto.edu/~roweis/lle/publications.html    (lle算法源代码及其相关论文)

http://dataclustering.cse.msu.edu/index.html#software（data clustering）

http://www.cs.toronto.edu/~roweis/     (里面有好多资源)

http://www.cse.msu.edu/~lawhiu/  (manifold learning)

http://www.math.umn.edu/~wittman/mani/ (manifold learning demo in matlab)

http://www.iipl.fudan.edu.cn/~zhangjp/literatures/MLF/INDEX.HTM  (manifold learning in matlab)

http://videolectures.net/mlss05us_belkin_sslmm/   (semi supervised learning with manifold method by Belkin)

http://isomap.stanford.edu/    (isomap主页)

http://web.mit.edu/cocosci/josh.html  MIT    TENENBAUM J B主页

http://web.engr.oregonstate.edu/~tgd/    （国际著名的人工智能专家 Thomas G. Dietterich）

http://www.cs.berkeley.edu/~jordan/ （MIchael I.Jordan）

http://www.cs.cmu.edu/~awm/  (Andrew W. Moore‘s  homepage)

http://learning.cs.toronto.edu/ （加拿大多伦多大学机器学习小组）

http://www.cs.cmu.edu/~tom/ （Tom Mitchell，里面有与教材匹配的slide。）

 http://www.dice.ucl.ac.be/mlg/

半监督流形学习（流形正则化）

http://manifold.cs.uchicago.edu/

模式识别和神经网络工具箱

http://www.ncrg.aston.ac.uk/netlab/index.php

机器学习开源代码

http://mloss.org/software/tags/large-scale-learning/

统计学开源代码

http://www.wessa.net/

matlab各种工具箱链接

http://www.tech.plym.ac.uk/spmc/links/matlab/matlab_toolbox.html

统计学学习经典在线教材

http://www.statistics4u.info/

机器学习开源源代码

http://mloss.org/software/language/matlab/

可以投稿的期刊：

数字图像处理领域可以投稿的期刊

Computer Vision and Image Processing
IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI) IEEE
International Journal of Computer Vision (IJCV)   Springer
Vision Research Elsevier
IEEE Transactions on Image Processing (IEEE-T-IP) IEEE
ACM Transactions on Applied Perception   ACM
Computer Vision and Image Understanding (CVIU) Elsevier
Image and Vision Computing Elsevier
Journal of Vision JV
Journal of Visual Communication and Image Representation (JVCIR) Elsevier
Journal of Mathematical Imaging and Vision   Springer  
Journal of Electronic Imaging   SPIE
ICGST International Journal on Graphics, Vision and Image Processing (GVIP) ICGST  
MGV: Machine GRAPHICS & VISION Institute of Computer Science
International Journal of Imaging Systems and Technology Wiley InterScience  
Electronic Letters on Computer Vision and Image Analysis   Elcvia
The Visual Computer Springer
IET Image Processing IET
IET Computer Vision IET
International Journal of Image and Graphics (IJIG) World Scientific
International Journal of Remote Sensing   Taylor & Francis
SIAM Journal on Imaging Sciences   SIAM
Signal, Image and Video Processing   Springer
Pattern Recognition
Pattern Recognition Elsevier
Pattern Recognition Letters (PRL) Elsevier
International Journal of Pattern Recognition and Artificial Intelligence   World Scientific  
Pattern Analysis & Applications   Springer  
Journal of Pattern Recognition Research (JPRR) JPRR
Signal Processing
IEEE Signal Processing Letters IEEE
IEEE Signal Processing Magazine IEEE
Signal Processing   Elsevier
EURASIP Journal on Applied Signal Processing EURASIP
Signal Processing : Image Communication Elsevier
IET Signal Processing IET
Neurophysical Journals in Computer Vision
Nature Neuroscience. Nature
Visual Neuroscience. Cambridge
IEEE Transactions on Neural Networks. IEEE
Neural Networks Elsevier
Perception and Psychophysics. Psychonomic Society
Perception. Pion Ltd.
Journal of Experimental Psychology: Human Perception and Performance. Elsevier
Computer Graphics
ACM Transactions on Graphics ACM
IEEE Computer Graphics and Applications (CG&A)   IEEE
IEEE Transactions on Visualization and Computer Graphics IEEE
ACM SIGGRAPH Computer Graphics ACM
Computers and Graphics Science Direct
Computer Graphics Forum (including Eurographics) Eurographics
Graphics Interface Graphics Interface  
Journal of Graphics Tools ACM
Journal of Visualization and Computer Animation Wiley
Symposium on Interactive 3D (I3D) ACM
Virtual Reality
Virtual Reality Software and Technology (VRST)   ACM
Machine Vision Applications    
Machine Vision and Applications Springer
Real-Time Imaging Elsevier
Vision Interface Vision Interface
IEEE Transactions on Geoscience and Remote Sensing   IEEE
International Journal of Applied Earth Observation and Geoinformation   Elsevier
Remote Sensing of Environment   Elsevier
ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING   ISPRS
Journal of Applied Remote Sensing   SPIE
Journal of the Indian Society of Remote Sensing   Springer
Multimedia
IEEE Transactions on Circuits and Systems for Video Technology IEEE
IEEE Transactions on Multimedia IEEE
Optics
Journal Optical Society of America OSA
Optometry and Vision Science LW&W
Information Fusion
Information Fusion Elsevier
Information Processing Letters Elsevier
Information Sciences Elsevier
Information Sciences - Applications Elsevier
Information Systems Elsevier
Soft Computing    
Applied Soft Computing   Elsevier
Journal of Soft Computing   Springer
Others    
Medical Image Analysis Elsevier
ACM Transactions on Information Systems ACM
Swarm Intelligence Springer
IET Information Security IET
Numerical Functional Analysis and Optimization   Taylor & Francis
Sadhana - Academy Proceedings in Engineering Sciences   Springer
International Journal of Wavelets, Multiresolution and Information Processing (IJWMIP)   World Scientific
IETE Technical Review IETE
IETE Journal of Research IETE
IEEE Transactions on Information Forensics and Security   IEEE

机器学习推荐论文和书籍  

2009-09-08 12:31:46|  分类： 默认分类  |举报 |字号 订阅

基本模型:
HMM(Hidden Markov Models):
A Tutorial on Hidden Markov Models and Selected Applications in
Speech Recognition.pdf
ME(Maximum Entropy):
ME_to_NLP.pdf
MEMM(Maximum Entropy Markov Models):
memm.pdf
CRF(Conditional Random Fields):
An Introduction to Conditional Random Fields for Relational Learning.pdf
Conditional Random Fields: Probabilistic Models for Segmenting and
Labeling Sequence Data.pdf
SVM(support vector machine):
*张学工<<统计学习理论>>
LSA(or LSI)(Latent Semantic Analysis):
Latent semantic analysis.pdf
pLSA(or pLSI)(Probablistic Latent Semantic Analysis):
Probabilistic Latent Semantic Analysis.pdf
LDA(Latent Dirichlet Allocation):
Latent Dirichlet Allocaton.pdf(用variational theory + EM算法解模型)
Parameter estimation for text analysis.pdf(using Gibbs Sampling 解模)
Neural Networksi(including Hopfield Model& self-organizing maps &
Stochastic networks & Boltzmann Machine etc.):
Neural Networks - A Systematic Introduction
Diffusion Networks:
Diffusion Networks, Products of Experts, and Factor Analysis.pdf
Markov random fields:
Generalized Linear Model(including logistic regression etc.):
An introduction to Generalized Linear Models 2nd
Chinese Restraunt Model (Dirichlet Processes):
Dirichlet Processes, Chinese Restaurant Processes and all that.pdf
Estimating a Dirichlet Distribution.pdf
=================================================================
Some important algorithms:
EM(Expectation Maximization):
Expectation Maximization and Posterior Constraints.pdf
Maximum Likelihood from Incomplete Data via the EM Algorithm.pdf
MCMC(Markov Chain Monte Carlo) & Gibbs Sampling:
Markov Chain Monte Carlo and Gibbs Sampling.pdf
Explaining the Gibbs Sampler.pdf
An introduction to MCMC for Machine Learning.pdf
PageRank:
矩阵分解算法:
SVD, QR分解, Shur分解, LU分解, 谱分解
Boosting( including Adaboost):
*adaboost_talk.pdf
Spectral Clustering:
Tutorial on spectral clustering.pdf
Energy-Based Learning:
A tutorial on Energy-based learning.pdf
Belief Propagation:
Understanding Belief Propagation and its Generalizations.pdf
bp.pdf
Construction free energy approximation and generalized belief
propagation algorithms.pdf
Loopy Belief Propagation for Approximate Inference An Empirical Study.pdf
Loopy Belief Propagation.pdf
AP (affinity Propagation):
L-BFGS:
<<最优化理论与算法 2nd>> chapter 10
On the limited memory BFGS method for large scale optimization.pdf
IIS:
IIS.pdf
=================================================================
理论部分：
概率图(probabilistic networks):
An introduction to Variational Methods for Graphical Models.pdf
Probabilistic Networks
Factor Graphs and the Sum-Product Algorithm.pdf
Constructing Free Energy Approximations and Generalized Belief
Propagation Algorithms.pdf
*Graphical Models, exponential families, and variational inference.pdf
Variational Theory(变分理论，我们只用概率图上的变分):
Tutorial on varational approximation methods.pdf
A variational Bayesian framework for graphical models.pdf
variational tutorial.pdf
Information Theory:
Elements of Information Theory 2nd.pdf
测度论：
测度论(Halmos).pdf
测度论讲义(严加安).pdf
概率论:
......
<<概率与测度论>>
随机过程:
应用随机过程 林元烈 2002.pdf
<<随机数学引论>>
Matrix Theory:
矩阵分析与应用.pdf
模式识别：
<<模式识别 2nd>> 边肇祺
*Pattern Recognition and Machine Learning.pdf
最优化理论:
<>
<<最优化理论与算法>>
泛函分析：
<<泛函分析导论及应用>>
Kernel理论：
<<模式分析的核方法>>
统计学:
......
<<统计手册>>
==========================================================
综合:
semi-supervised learning:
<> MIT Press
semi-supervised learning based on Graph.pdf
Co-training:
Self-training:

机器视觉：

以下链接是本人整理的关于计算机视觉（ComputerVision, CV）相关领域的网站链接，其中有CV牛人的主页，CV研究小组的主页，CV领域的paper,代码，CV领域的最新动态，国内的应用情况等等。打算从事 这个行业或者刚入门的朋友可以多关注这些网站，多了解一些CV的具体应用。搞研究的朋友也可以从中了解到很多牛人的研究动态、招生情况等。总之，我认为， 知识只有分享才能产生更大的价值，真诚希望下面的链接能对朋友们有所帮助。 

（1）googleResearch； http://research.google.com/index.html 

（2）MIT博士，汤晓欧学生林达华； http://people.csail.mit.edu/dhlin/index.html （3）MIT博士后Douglas Lanman； http://web.media.mit.edu/~dlanman/ 

（4）opencv中文网站； http://www.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5 

（5）Stanford大学vision实验室； http://vision.stanford.edu/research.html 

（6）Stanford大学博士崔靖宇； http://www.stanford.edu/~jycui/ 

（7）UCLA教授朱松纯； http://www.stat.ucla.edu/~sczhu/ 

（8）中国人工智能网； http://www.chinaai.org/ 

（9）中国视觉网； http://www.china-vision.net/ 

（10）中科院自动化所； http://www.ia.cas.cn/

（11）中科院自动化所李子青研究员； http://www.cbsr.ia.ac.cn/users/szli/ 

（12）中科院计算所山世光研究员； http://www.jdl.ac.cn/user/sgshan/ 

（13）人脸识别主页； http://www.face-rec.org/ 

（14）加州大学伯克利分校CV小组；http://www.eecs.berkeley.edu/Research/Projects/CS/vision/

（15）南加州大学CV实验室； http://iris.usc.edu/USC-Computer-Vision.html 

（16）卡内基梅隆大学CV主页；

http://www.cs.cmu.edu/afs/cs/project/cil/ftp/html/vision.html

（17）微软CV研究员Richard Szeliski；http://research.microsoft.com/en-us/um/people/szeliski/ 

（18）微软亚洲研究院计算机视觉研究组； http://research.microsoft.com/en-us/groups/vc/ 

（19）微软剑桥研究院ML与CV研究组； http://research.microsoft.com/en-us/groups/mlp/default.aspx

（20）研学论坛； http://bbs.matwav.com/ 

（21）美国Rutgers大学助理教授刘青山； http://www.research.rutgers.edu/~qsliu/ （22）计算机视觉最新资讯网； http://www.cvchina.info/ 

（23）运动检测、阴影、跟踪的测试视频下载；http://apps.hi.baidu.com/share/detail/18903287 

（24）香港中文大学助理教授王晓刚； http://www.ee.cuhk.edu.hk/~xgwang/ 

(25)香港中文大学多媒体实验室（汤晓鸥）; http://mmlab.ie.cuhk.edu.hk/ 

(26)U.C. San Diego. computer vision;http://vision.ucsd.edu/content/home (27)CVonline; http://homepages.inf.ed.ac.uk/rbf/CVonline/ 

(28)computer vision software; http://peipa.essex.ac.uk/info/software.html (29)Computer Vision Resource; http://www.cvpapers.com/ 

(30)computer vision research groups;http://peipa.essex.ac.uk/info/groups.html (31)computer vision center; http://computervisioncentral.com/cvcnews

(32)浙江大学图像技术研究与应用（ITRA）团队：http://www.dvzju.com/

(33)自动识别网：http://www.autoid-china.com.cn/

(34)清华大学章毓晋教授：http://www.tsinghua.edu.cn/publish/ee/4157/2010/20101217173552339241557/20101217173552339241557_.html

(35)顶级民用机器人研究小组Porf.Gary领导的Willow Garage:http://www.willowgarage.com/

(36)上海交通大学图像处理与模式识别研究所：http://www.pami.sjtu.edu.cn/

(37)上海交通大学计算机视觉实验室刘允才教授：http://www.visionlab.sjtu.edu.cn/

(38)德克萨斯州大学奥斯汀分校助理教授Kristen Grauman ：http://www.cs.utexas.edu/~grauman/

(39)清华大学电子工程系智能图文信息处理实验室（丁晓青教授）：http://ocrserv.ee.tsinghua.edu.cn/auto/index.asp

(40)北京大学高文教授：http://www.jdl.ac.cn/htm-gaowen/

(41)清华大学艾海舟教授：http://media.cs.tsinghua.edu.cn/cn/aihz

(42)中科院生物识别与安全技术研究中心：http://www.cbsr.ia.ac.cn/china/index%20CH.asp

(43)瑞士巴塞尔大学 Thomas Vetter教授：http://informatik.unibas.ch/personen/vetter_t.html

(44)俄勒冈州立大学 Rob Hess博士：http://blogs.oregonstate.edu/hess/

(45)深圳大学 于仕祺副教授：http://yushiqi.cn/

(46)西安交通大学人工智能与机器人研究所：http://www.aiar.xjtu.edu.cn/

(47)卡内基梅隆大学研究员Robert T. Collins:http://www.cs.cmu.edu/~rcollins/home.html#Background

(48)MIT博士Chris Stauffer:http://people.csail.mit.edu/stauffer/Home/index.php

(49)美国密歇根州立大学生物识别研究组(Anil K. Jain教授)：http://www.cse.msu.edu/rgroups/biometrics/

(50)美国伊利诺伊州立大学Thomas S. Huang:http://www.beckman.illinois.edu/directory/t-huang1

(51)武汉大学数字摄影测量与计算机视觉研究中心：http://www.whudpcv.cn/index.asp

(52)瑞士巴塞尔大学Sami Romdhani助理研究员：http://informatik.unibas.ch/personen/romdhani_sami/

(53)CMU大学研究员Yang Wang:http://www.cs.cmu.edu/~wangy/home.html

(54)英国曼彻斯特大学Tim Cootes教授：http://personalpages.manchester.ac.uk/staff/timothy.f.cootes/

(55)美国罗彻斯特大学教授Jiebo Luo:http://www.cs.rochester.edu/u/jluo/

(56)美国普渡大学机器人视觉实验室：https://engineering.purdue.edu/RVL/Welcome.html

(57)美国宾利州立大学感知、运动与认识实验室：http://vision.cse.psu.edu/home/home.shtml

(58)美国宾夕法尼亚大学GRASP实验室：https://www.grasp.upenn.edu/

(59)美国内达华大学里诺校区CV实验室：http://www.cse.unr.edu/CVL/index.php

(60)美国密西根大学vision实验室：http://www.eecs.umich.edu/vision/index.html

(61)University of Massachusetts(麻省大学),视觉实验室：http://vis-www.cs.umass.edu/index.html

(62)华盛顿大学博士后Iva Kemelmacher:http://www.cs.washington.edu/homes/kemelmi

(63)以色列魏茨曼科技大学Ronen Basri:http://www.wisdom.weizmann.ac.il/~ronen/index.html

(64)瑞士ETH-Zurich大学CV实验室：http://www.vision.ee.ethz.ch/boostingTrackers/index.htm

(65)微软CV研究员张正友：http://research.microsoft.com/en-us/um/people/zhang/

(66)中科院自动化所医学影像研究室：http://www.3dmed.net/

(67)中科院田捷研究员：http://www.3dmed.net/tian/

(68)微软Redmond研究院研究员Simon Baker:http://research.microsoft.com/en-us/people/sbaker/

(69)普林斯顿大学教授李凯：http://www.cs.princeton.edu/~li/ 

(70)普林斯顿大学博士贾登：http://www.cs.princeton.edu/~jiadeng/ 

(71)牛津大学教授Andrew Zisserman： http://www.robots.ox.ac.uk/~az/ 

(72)英国leeds大学研究员Mark Everingham:http://www.comp.leeds.ac.uk/me/ 

(73)英国爱丁堡大学教授Chris William: http://homepages.inf.ed.ac.uk/ckiw/ 

(74)微软剑桥研究院研究员John Winn: http://johnwinn.org/ 

(75)佐治亚理工学院教授Monson H.Hayes：http://savannah.gatech.edu/people/mhayes/index.html 

(76)微软亚洲研究院研究员孙剑：http://research.microsoft.com/en-us/people/jiansun/ 

(77)微软亚洲研究院研究员马毅：http://research.microsoft.com/en-us/people/mayi/ (78)英国哥伦比亚大学教授David Lowe: http://www.cs.ubc.ca/~lowe/ 

(79)英国爱丁堡大学教授Bob Fisher: http://homepages.inf.ed.ac.uk/rbf/ 

(80)加州大学圣地亚哥分校教授Serge J.Belongie:http://cseweb.ucsd.edu/~sjb/ 

(81)威斯康星大学教授Charles R.Dyer: http://pages.cs.wisc.edu/~dyer/ 

(82)多伦多大学教授Allan.Jepson: http://www.cs.toronto.edu/~jepson/ 

(83)伦斯勒理工学院教授Qiang Ji: http://www.ecse.rpi.edu/~qji/ 

(84)CMU研究员Daniel Huber: http://www.ri.cmu.edu/person.html?person_id=123

 (85)多伦多大学教授：David J.Fleet: http://www.cs.toronto.edu/~fleet/ 

(86)伦敦大学玛丽女王学院教授Andrea Cavallaro:http://www.eecs.qmul.ac.uk/~andrea/ 

(87)多伦多大学教授Kyros Kutulakos: http://www.cs.toronto.edu/~kyros/ 

(88)杜克大学教授Carlo Tomasi: http://www.cs.duke.edu/~tomasi/ 

(89)(89)CMU教授Martial Hebert: http://www.cs.cmu.edu/~hebert/ 

(90)(90)MIT助理教授Antonio Torralba: http://web.mit.edu/torralba/www/

(91) (91)马里兰大学研究员Yasel Yacoob: http://www.umiacs.umd.edu/users/yaser/ (92)康奈尔大学教授Ramin Zabih: http://www.cs.cornell.edu/~rdz/

(93)CMU博士田渊栋: http://www.cs.cmu.edu/~yuandong/ 

(94)(94)CMU副教授Srinivasa Narasimhan: http://www.cs.cmu.edu/~srinivas/ 

(95)(95)CMU大学ILIM实验室：http://www.cs.cmu.edu/~ILIM/ 

(96)(96)哥伦比亚大学教授Sheer K.Nayar: http://www.cs.columbia.edu/~nayar/ 

(97)(97)三菱电子研究院研究员Fatih Porikli ：http://www.porikli.com/ 

(98)(98)康奈尔大学教授Daniel Huttenlocher：http://www.cs.cornell.edu/~dph/ 

(99)(99)南京大学教授周志华：http://cs.nju.edu.cn/zhouzh/index.htm 

(100)(100)芝加哥丰田技术研究所助理教授Devi Parikh: http://ttic.uchicago.edu/~dparikh/index.html (101)瑞士联邦理工学院博士后Helmut Grabner:http://www.vision.ee.ethz.ch/~hegrabne/#Short_CV

(102)香港中文大学教授贾佳亚：http://www.cse.cuhk.edu.hk/~leojia/index.html

(103)南洋理工大学副教授吴建鑫：http://c2inet.sce.ntu.edu.sg/Jianxin/index.html

(104)GE研究院研究员李关：http://www.cs.unc.edu/~lguan/

(105)佐治亚理工学院教授Monson Hayes:http://savannah.gatech.edu/people/mhayes/

(106)图片检索国际会议VOC(微软剑桥研究院组织):http://pascallin.ecs.soton.ac.uk/challenges/VOC/

(107)机器视觉开源处理库汇总：http://archive.cnblogs.com/a/2217609/

(108)布朗大学教授Benjamin Kimia: http://www.lems.brown.edu/kimia.html 

(109)数据堂-图像处理相关的样本数据：http://www.datatang.com/data/list/602026/p1

(110)东软基于CV的汽车辅助驾驶系统：http://www.neusoft.com/cn/solutions/1047/

(111)马里兰大学教授Rema Chellappa:http://www.cfar.umd.edu/~rama/

(112)芝加哥丰田研究中心助理教授Devi Parikh：http://ttic.uchicago.edu/~dparikh/index.html

(113)宾夕法尼亚大学助理教授石建波：http://www.cis.upenn.edu/~jshi/