针对传统去雾算法结果中颜色和对比度失真等问题,提出了一种基于多尺度融合和对抗训练的图像去雾算法。采用多尺度特征提取模块从多个不同尺度中提取雾霾相关特征,利用残差密集连接模块实现图像特征的交互,避免了梯度消失。由于其不基于大气散射模型,直接将图像的浅层特征和深层特征进行多尺度融合,所以克服了物理模型的不精确性。去雾网络的训练采用生成对抗机制,由多尺度特征提取模块和残差密集连接模块构成的生成器估计清晰的无雾图像,由两个不同尺度感受野的子网络构成的鉴别器完成对抗训练。在RESIDE(Realistic single image dehazing)数据集上进行对比实验,结果表明本算法生成的去雾图像在全参考和无参考的视觉质量指标方面优于其他对比算法。

　针对红外试试图像处理系统构建的FPGA+多DSP的硬件平台，利用FPGA进行调度和时序控制，有效的使3个处理器并行工作，大大提高了系统处理能力。研究并实现了从红外探测器数据采集到图像校正、图像处理，以及图像显示的整个流程。

隐写分析（包含全部代码已经测试数据），程序可直接使用 对于 JPEG 经典的隐写算法 Jsteg 和 F5 算法，可以在 JPEG 图像中写入秘密数据，本次实验想通过不同的 JPEG 的隐写分析方式判断出 JPEG 图像的类型（原始图像和隐写图像），从而区分 JPEG 载密图像与原始图像，对两种 JPEG 的隐写分析方式进行分析测试。

针对遥感图像中的目标检测问题，采用基于卷积神经网络的目标检测框架对目标进行提取，针对该网络制作了包含三类遥感图像中常见目标的目标检测数据集。为了解决遥感图像目标旋转角度较大的问题，将空间变换网络融入超快区域卷积神经网络，提出了一种具有旋转不变性自学习能力的目标检测模型。通过与传统的目标检测方法进行对比分析，探究了不同方法对遥感图像目标检测的实际效果。相对于传统的目标检测方法，融合了空间变换网络的卷积神经网络所提取的特征具有更好的旋转不变特性，从而能够达到更高的检测精度。

前端图像处理表单或表单数据处理。

opencv中加入了opencv_contrib的额外模块，包括特征提取sift、surf等。这是我编译好的VS2019 X64版本的install文件。(使用于opencv4.6.0 , opencv_contrib4.6.0版本）

专业级FPGA视频图像处理开发平台 这款FPGA视频图像处理开发平台是根据本公司一个视频图像处理项目进行改进衍生而来，不管硬件设计还是软件程序的编写，都出自产品研发工程师之手，因此，这款开发平台可以堪称“专业级”，贴近产品，贴近研发的第一线。这样的一款产品非常适合即将从事或者正在从事FPGA视频图像处理的学生、工程师等群体

An Efficient Primal-Dual Hybrid Gradient Algorithm For Total Variation Image Restoration 一种高效的全变差图像恢复的原始-对偶混合梯度算法

实验1 图像插值，图像几何变换：图像旋转、缩放 实验2 离散傅里叶变换和离散余弦变换 实验3 图像增强：局部对比度增强、USM滤镜功能实现、直方图均衡 实验4 图像复原 实验5 JPEG编解码方法设计与实现

提供室外、室内、人物场景红外图像原始数据集下载，供红外图像算法研究人员使用 图像大小640*512，数据格式：16bit无符号类型