图像处理方向
以下仅是了解的一些图像处理方向，实际不止这些：
搜索方向：以内容为基础进行的多媒体图像或视频搜索。手段：需要具备很强的算法实现能力和良好的图像分析技术与特征识别技术的基础。
2.医学影像领域：a) 图像分类的主要目的是识别并区分各类疾病及其对应的医学影像；b) 目标检测技术专注于定位病灶区域的空间坐标信息；C) 医学影像分割的核心任务在于精准提取研究区域，并为后续分析提供清晰的基础数据；d) 医学影像配准过程通过几何变换将源图象与目标图象的空间特征对应起来；配准结果需实现解剖点的一致性匹配；配准方法通常可分为几何变换与空间定位两大类；完成空间域配准后即可开展影像融合工作；融合过程包含数据整合与显示两阶段实现；e) 图像融合的目标是通过多模态数据整合获取更多临床诊断所需的关键解剖学信息；借助可视化平台对多源影像实施智能整合与分析处理，在临床诊断中可获得更多关键解剖学信息；该技术在疾病诊断、手术规划制定及治疗效果评估等方面具有广泛应用价值；f) 伪彩色显示方法能够将单色灰度图转换为多色视觉效果以增强人眼观察能力；
其中重点在于对人体姿态的研究
4.视频方向：将视频按照帧序列、超帧块以及镜头切换等方式进行划分，在不同层次上展开处理与表达。目标检测与运动跟踪技术主要应用于安防监控系统中。识别人体关键点位置以实现人物的识别过程。动作识别则涉及一系列的方法体系包括2D和3D动作识别技术等。情感语义分析旨在探讨观众在观看某段视频时所产生的情感体验与心理感受。其中具体采用的方法包括以下几种：第一类基于单帧的识别方法；第二类基于深度学习网络（CNN）扩展版本的识别方法；第三类采用双路卷积神经网络（双路CNN）结合空间信息以处理空间特征的技术；第四类基于循环神经网络（LSTM）的时间序列建模方法；第五类则利用三维卷积核（3D CNN）模型来完成复杂场景下的语义理解任务。
图像处理方向的核心知识包括基础的图像处理理论、相关算法及其应用、数学背景知识包括概率论与统计学等、多元统计理论及其分析方法、编程语言基础涉及C/C++及其应用开发、同时熟悉Python中的关键库包及其应用如NumPy和Pandas等、了解图像识别领域的核心技术及其功能特性、具备使用主流深度学习框架之一的能力（如TensorFlow）及其应用场景
参考文章：
1.https://yq.aliyun.com/articles/39134
2.https://www.xuebuyuan.com/3233205.html
作者：舟华520
出处：https://www.cnblogs.com/xfzh193/
本文以学习，分享，研究交流为主，欢迎转载，请标明作者出处！