西北大学发表猴脸识别论文
这主要就是因为人们爱护环境，环境没有遭到破坏，而且这些年来随着秦岭的生态环境持续的改善，当地的生态环境现在正在好转，就会使得金丝猴的栖息地不断的扩大。
对于现在的科技技术而言，它的发展也是让人们觉得非常的震惊。同时对于西北大学的这科研团队，正在依靠关于人工智能的这个技术去研发关于猴脸怎么样进行识别。这个事情自己的研究，也是让我们大家都感觉非常惊讶，因为他们本来就是说这个人脸识别是意义上和人脸的识别也是非常相似的。他们通过去提取金丝猴他们整体的状态。所以关于他们相关的数据库，根据这样那样的整体的情况，然后对这个问题进行解决，这也是我们来到希望看到那个事情。
所以根据这个问题，大家可以明白的就是说对于这猴脸进行识别的技术来说，它是非常不错的。同时对于现在这个整体实验阶段，它是处在推广的这个整体，而所以对于这个事情，通过这些事情明白，就是说对于这个事情的发生也是让很多的人们都觉得非常的不错。所以我们可以看得出来的，就是对于这个猴子而言，它的区域相对会更加的明显。因为对于它而言它的特征也会更加的复杂了。所以这也就要求了我们的科研人员在在这个问题的时候要进行相应的注意，这样的话咱们沟通从根本上去解决这样事情的发生，这些就是我们大家都希望看到的结果。
所以说对于现在这个问题的时候，我们还是能够去了解到一些问题的处理办法的了。而通过现在这个整体状况我们大家都了解的，就是说对于人们他们自身的发展情况的话，还是让我们大家都觉得非常不错的解决办法。所以说根据这个事情而言，我们也能够进行交易的理解，就是说对于现在这样事情的发生的时候，我国科技的发展也是非常的不错。而对于这事情的发展，很多人们都觉得关于这个事情，也是让大家都觉得这个举措，也是让人们觉得非常是好的。所以根据这个事情我们可以了解到的就是说对于现在整体的情况而言还是让人们觉得非常之好了。
而现在这个科技技术的研发对于人们进行野生动物的保护也是非常不错的解决办法了。所以对于现在这个事情，我们可以明白的就是说人们还是非常不错的解决状态了。而面对这样问题的时候，我们还是要进行相应的注意，才可以从根本上解决这样问题的发生。
人工智能，在这后面对这个技术一直都是非常的重视，在人类中也应用非常的广泛，现如今也应用到了动物中。
这是一项高端的技术，比较引领新潮流，而且可以对现在的人们起到一个比较新颖的话题，还可以让人类达到技术的创新。
人脸识别发表小论文
201115.Linlin Shen,Sen Jia, Zhen Ji and Wen-sheng Chen. Extracting local texture features for image based coin recognition, IET Image Processing, in press.14.Linlin Shen, Li Bai and Zhen Ji. FPCode: An efficient approach for multi-modal biometrics, International Journal of Pattern Recognition and Artificial Intelligence, Vol. 25(2), pp. 273-286, March, 2011.201013. Baochang Zhang, Lei Zhang, David Zhang andLinlin Shen.Directional binary code with application to PolyU near-infrared face database, Pattern Recognition Letters, Vol. 31 (14), pp.2337-2344, Oct. 2010.200912. 贾森，钱云涛，纪震，沈琳琳，基于光谱和空间特性的高光谱解混方法，深圳大学学报（理工版），Jul. 2009，Vol. 26(3), pp. 262-267.11. 李玉文，周家锐，沈琳琳(通迅)，基于DM6446平台的实时人眼检测系统，深圳大学学报（理工版），Oct. 2009，Vol. 26(4), pp. 420-424.10. Ian L. Dryden, Li Bai, C. J. Brignell andLinlin Shen. Factored principal components analysis, with applications to face recognition. Statistics and Computing, Sep.2009, Vol. 19 (3): pp.229-238.9.SHEN Lin-Linand JI Zhen. Gabor wavelet selection and SVM classification for object recognition. ACTA Automatica Sinica （自动化学报）, Apr. 2009, Vol. 35 (4), pp.350-355. 采用精选Gabor小波和SVM分类的物体识别(英文)8.Linlin Shenand Alex Kot. A new wavelet domain feature for fingerprint recognition. International Journal of Biomedical Soft Computing and Human Sciences, Jan. 2009, Vol.14(1), pp.53-56.20087.Linlin Shenand Li Bai. 3D Gabor wavelets for evaluating SPM normalization algorithm. Medical Image Analysis (SCI 1区,IF: 4.25), Jun. 2008, Vol.12 (3) pp 375-383.6.SHEN Lin Linand MING Zhong. Automatic face recognition based on skin masking and improved HMM [J].Journal of Shenzhen University, Science and Engineering, Jan. 2008, Vol. 25 (1), pp.71-75. 基于皮肤模板和改进HMM的自动人脸识别系统(英文)20075.Linlin Shen, Zhen Ji and Li Bai. DWT based HMM for face recognition[J]. Journal of Electronics (China), Nov. 2007, Vol. 24(6), pp.835-837. (Number of citations : 5)4.Linlin Shen, Li Bai and Michael Fairhurst. Gabor wavelets and general discriminant analysis for face identification and verification[J]. Image and Vision Computing, May. 2007, Vol. 25(5), pp.553-563. (Number of citations from Google: 92. 2010 Most Cited Paper Award for the journal of Image & Vision Computing)20063.Linlin Shenand Li Bai. MutualBoost learning for selecting Gabor features for face fecognition[J]. Pattern Recognition Letters, Nov. 2006, Vol. 27(15), pp. 1758-1767. (Number of citations from Google: 59)2.Linlin Shenand Li Bai. A review on Gabor wavelets for face recognition[J]. Pattern Analysis and Applications, Sep. 2006, Vol. 9(2), pp. 273-292. (Number of citations from Google: 109)1.Linlin Shenand Li Bai. Information theory for Gabor feature selection for face recognition[J]. EURASIP Journal on Applied Signal Processing, Jan. 2006, Vol (2006), pp.1-11. (Number of citations from Google: 20) 16.Linlin Shen,Sen Jia. Three-Dimensional Gabor wavelets for pixel-based hyperspectral imagery classification, IEEE Transactions on Geoscience and Remote Sensing, accepted. 201025. Linlin Shen, Nengheng Zheng, Songhao Zheng and Wei Li. Secure mobile services by face and speech based personal authentication, Proceedings of the 2010 IEEE International Conference on Intelligent Computing and Intelligent Systems, Vol.3, Xiamen, Oct. 2010, pp. 97-100 .24. Linlin Shen, Zhen Ji, Yuwen Li and Li Bai. Coding Gabor features for multi-modal biometrics, Proceedings of the 2010 Chinese Conference on Pattern Recognition, Vol. 1, Chongqing, Oct. 2010, pp.217 - 220.23. Linlin Shen, Li Bai and Zhen Ji. Hand-based biometrics fusing palmprint and finger-knuckle-print, The First International Workshop on Emerging Techniques and Challenges for Hand-based Biometrics, in conjunction with ICPR 2010, Istanbul, Turkey, Aug. 2010,200922 . Linlin Shen, Zhen Ji, Lei Zhang and Zhenhua Guo. Applying LBP operator to Gabor response for palmprint identification [C]. Proceedings of IEEE International Conference on Information Engineering and Computer Science, Wuhan, Dec. 2009, pp.355-357.21. Hieu V. Nguyen, Li Bai andLinlin Shen, Local Gabor binary pattern whitened PCA: a novel approach for face recognition from single image per person. International Conference on Biometrics, Proceedings Lecture Notes in Computer Science 5555, pp.269-278, June.,2009.20.Linlin Shen, Sen Jia, Zhen Ji and Wen-Sheng Chen. Statistics of Gabor features for coin recognition [C]. Proceedings of IEEE International Workshop on Imaging Systems and Techniques, Shenzhen, May., 2009. (Citations from Google: 4)200819. Linlin Shen, Li Bai and Zhen Ji. Data Driven Gabor Wavelet Design for Face Recognition [C]. Proceedings of 2008 Chinese Conference onPattern Recognition, Beijing, Oct., 2008, pp. 246-251.18. Linlin Shen and Zhen Ji. Modeling geometric features for face based age classification[C]. Proceedings of the 2008 International Conference on Machine Learning and Cybernetics (ICMLC 2008), July. 2008, Kunming, China, pp. 2927-2931.(Citations from Google: 4)200717. Shen Linlin and Ji Zhen. Object recognition based on optimized Gabor features and SVM[C]. Proceedings of the First Chinese Conference on Pattern Recognition (CCPR 2007), 11-12 Dec. 2007, Beijing, China, pp. 105-112.16.Ángel Serrano,Isaac Martín de Diego,Cristina Conde,Enrique Cabello,Li Bai, and LinLin Shen:Fusion of Support Vector Classifiers for Parallel Gabor Methods Applied to Face Verification.MCS 2007: 141-15015. Ángel Serrano,Cristina Conde,Isaac Martín de Diego,Enrique Cabello,Li Bai, LinLin Shen: Parallel gabor PCA with fusion of SVM scores for face verification.VISAPP (2) 2007: 149-154.14. Linlin Shen, Li Bai and Zhen Ji. A SVM face recognition method based on optimized Gabor features[C]. The 9th International Conference on Visual Information System, Proceedings Lecture Notes in Computer Science 4781, pp.165-174, 28–29 June 2007, Shanghai, China.13. Linlin Shen, Zhen Ji and Li Bai. Tuning Kernel parameters with different Gabor features for face recognition[C]. IEEE International Conference on Intelligent Computing, Proceedings Lecture Notes in Artificial Intelligence 4682:pp.881-890, 2007.200612. Li Bai, Linlin Shen, Yan Wang, A novel eye location algorithm based on radial symmetry transform[C]. Proceedings of the 18th International Conference on Pattern Recognition (ICPR'06), 2006, pp. 511-514.11. Linlin Shen, Dorothee Auer and Li Bai. 3D Gabor wavelets for evaluating medical image registration algorithms[C]. International Workshop on Medical Imaging and Augmented Reality, Proceedings Lecture Notes in Computer Science 4091, pp.261-268, 2006.(SCI)200510. Li Bai and Linlin Shen. A fast and robust Gabor feature based method for face recognition[C]. The IEE International Symposium on Imaging for Crime Detection and Prevention (Best Papers), The IEE Savoy Place, London, 2005.9. Linlin Shen and Li Bai. Kernel enahanced informative Gabor features for face recognition[C]. The 16th British Machine Vision Conference, Oxford, UK, 2005.8. Linlin Shen and Li Bai, etc. Gabor feature selection for face recognition using improved AdaBoost learning[C]. Advances in Biometric Person Authentication, Proceedings Lecture Notes in Computer Science 3781, pp. 39-49, 2005.(SCI)20047. Linlin Shen and Li Bai. Gabor feature based face recognition using Kernel methods[C]. Proc. of the IEEE 6th International Conference on Automatic Face and Gesture Recognition, Soel, Korea, 2004. (pdf)6. Linlin Shen and Li Bai. Combining Gabor feature and Kernel Direct Discriminant Analysis for face recognition[C]. Proc. of the 17th International Conference on Pattern Recognition, Cambridge, UK, 2004. (pdf)5. Linlin Shen, Li Bai and P. Picton. Facial recognition/verification using Gabor wavelets and kernel methods[C]. Proc. of the IEEE Internal Conference on Image Processing, Singapore, 2004.4. Linlin Shen and Li Bai. AdaBoost Gabor feature selection for classification[C]. Proc. of Image and Vision Computing, New Zealand, 2004.20033. Li Bai and Linlin Shen. Face detection by orientation map matching[C]. Proceeding of International Conference on Computational Intelligence for Modeling Control and Automation, Austria, Feb. 2003, pp. 363-369. (pdf)2. Li Bai and Linlin Shen. Combining wavelets with HMM for face recognition[C]. Proceedings of the 23rd SGAI International Conference on Innovative Techniques and Applications of Artificial Intelligence, Cambridge, UK, Dec., 2003.20011. Linlin Shen. Quality measures of fingerprint images[C]. Audio- And Video-Based Biometric Person Authentication, Proceedings Lecture Notes in Computer Science 2091: pp. 266-271, 2001.(SCI,Number of citations from Google: 85)
随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!
图像识别技术研究综述
摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。
关键词：图像处理;图像识别;成像
中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02
图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。
1 图像处理技术
图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。
1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。
2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。
3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。
4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。
5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。
2 图像识别技术
图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：
2.1 指纹识别
指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。
2.2 人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。
2.3 文字识别
文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。
3 结束语
人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。
参考文献：
[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.
[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.
[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.
[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.
[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.
[6] Sanderson C，Paliwal K K.Information Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.
点击下页还有更多>>>图像识别技术论文
人脸识别怎么发表论文
随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。我整理了图像识别技术论文，欢迎阅读!
图像识别技术研究综述
摘要：随着图像处理技术的迅速发展，图像识别技术的应用领域越来越广泛。图像识别是利用计算机对图像进行处理、分析和理解，由于图像在成像时受到外部环境的影响，使得图像具有特殊性，复杂性。基于图像处理技术进一步探讨图像识别技术及其应用前景。
关键词：图像处理;图像识别;成像
中图分类号：TP391 文献标识码：A 文章编号：1009-3044(2013)10-2446-02
图像是客观景物在人脑中形成的影像，是人类最重要的信息源，它是通过各种观测系统从客观世界中获得，具有直观性和易理解性。随着计算机技术、多媒体技术、人工智能技术的迅速发展，图像处理技术的应用也越来越广泛，并在科学研究、教育管理、医疗卫生、军事等领域已取得的一定的成绩。图像处理正显著地改变着人们的生活方式和生产手段，比如人们可以借助于图像处理技术欣赏月球的景色、交通管理中的车牌照识别系统、机器人领域中的计算机视觉等，在这些应用中，都离不开图像处理和识别技术。图像处理是指用计算机对图像进行处理，着重强调图像与图像之间进行的交换，主要目标是对图像进行加工以改善图像的视觉效果并为后期的图像识别大基础[1]。图像识别是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对像的技术。但是由于获取的图像本事具有复杂性和特殊性，使得图像处理和识别技术成为研究热点。
1 图像处理技术
图像处理(image processing)利用计算机对图像进行分析，以达到所需的结果。图像处理可分为模拟图像处理和数字图像图像处理，而图像处理一般指数字图像处理。这种处理大多数是依赖于软件实现的。其目的是去除干扰、噪声，将原始图像编程适于计算机进行特征提取的形式，主要包括图像采样、图像增强、图像复原、图像编码与压缩和图像分割。
1)图像采集，图像采集是数字图像数据提取的主要方式。数字图像主要借助于数字摄像机、扫描仪、数码相机等设备经过采样数字化得到的图像，也包括一些动态图像，并可以将其转为数字图像，和文字、图形、声音一起存储在计算机内，显示在计算机的屏幕上。图像的提取是将一个图像变换为适合计算机处理的形式的第一步。
2)图像增强，图像在成像、采集、传输、复制等过程中图像的质量或多或少会造成一定的退化，数字化后的图像视觉效果不是十分满意。为了突出图像中感兴趣的部分，使图像的主体结构更加明确，必须对图像进行改善，即图像增强。通过图像增强，以减少图像中的图像的噪声，改变原来图像的亮度、色彩分布、对比度等参数。图像增强提高了图像的清晰度、图像的质量，使图像中的物体的轮廓更加清晰，细节更加明显。图像增强不考虑图像降质的原因，增强后的图像更加赏欣悦目，为后期的图像分析和图像理解奠定基础。
3)图像复原，图像复原也称图像恢复，由于在获取图像时环境噪声的影响、运动造成的图像模糊、光线的强弱等原因使得图像模糊，为了提取比较清晰的图像需要对图像进行恢复，图像恢复主要采用滤波方法，从降质的图像恢复原始图。图像复原的另一种特殊技术是图像重建，该技术是从物体横剖面的一组投影数据建立图像。
4)图像编码与压缩，数字图像的显著特点是数据量庞大，需要占用相当大的存储空间。但基于计算机的网络带宽和的大容量存储器无法进行数据图像的处理、存储、传输。为了能快速方便地在网络环境下传输图像或视频，那么必须对图像进行编码和压缩。目前，图像压缩编码已形成国际标准，如比较著名的静态图像压缩标准JPEG，该标准主要针对图像的分辨率、彩色图像和灰度图像，适用于网络传输的数码相片、彩色照片等方面。由于视频可以被看作是一幅幅不同的但有紧密相关的静态图像的时间序列，因此动态视频的单帧图像压缩可以应用静态图像的压缩标准。图像编码压缩技术可以减少图像的冗余数据量和存储器容量、提高图像传输速度、缩短处理时间。
5)图像分割技术，图像分割是把图像分成一些互不重叠而又具有各自特征的子区域，每一区域是像素的一个连续集，这里的特性可以是图像的颜色、形状、灰度和纹理等。图像分割根据目标与背景的先验知识将图像表示为物理上有意义的连通区域的集合。即对图像中的目标、背景进行标记、定位，然后把目标从背景中分离出来。目前，图像分割的方法主要有基于区域特征的分割方法、基于相关匹配的分割方法和基于边界特征的分割方法[2]。由于采集图像时会受到各种条件的影响会是图像变的模糊、噪声干扰，使得图像分割是会遇到困难。在实际的图像中需根据景物条件的不同选择适合的图像分割方法。图像分割为进一步的图像识别、分析和理解奠定了基础。
2 图像识别技术
图像识别是通过存储的信息(记忆中存储的信息)与当前的信息(当时进入感官的信息)进行比较实现对图像的识别[3]。前提是图像描述，描述是用数字或者符号表示图像或景物中各个目标的相关特征，甚至目标之间的关系，最终得到的是目标特征以及它们之间的关系的抽象表达。图像识别技术对图像中个性特征进行提取时，可以采用模板匹配模型。在某些具体的应用中，图像识别除了要给出被识别对象是什么物体外，还需要给出物体所处的位置和姿态以引导计算初工作。目前，图像识别技术已广泛应用于多个领域，如生物医学、卫星遥感、机器人视觉、货物检测、目标跟踪、自主车导航、公安、银行、交通、军事、电子商务和多媒体网络通信等。主要识别技术有：
2.1 指纹识别
指纹识别是生物识别技术中一种最实用、最可靠和价格便宜的识别手段，主要应用于身份验证。指纹识别是生物特征的一个部分，它具有不变性：一个人的指纹是终身不变的;唯一性：几乎没有两个完全相同的指纹[3]。一个指纹识别系统主要由指纹取像、预处理与特征提取、比对、数据库管理组成。目前，指纹识别技术与我们的现实生活紧密相关，如信用卡、医疗卡、考勤卡、储蓄卡、驾驶证、准考证等。
2.2 人脸识别 目前大多数人脸识别系统使用可见光或红外图像进行人脸识别，可见光图像识别性能很容易受到光照变化的影响。在户外光照条件不均匀的情况下，其正确识别率会大大降低。而红外图像进行人脸识别时可以克服昏暗光照条件变化影响，但由于红外线不能穿透玻璃，如果待识别的对象戴有眼镜，那么在图像识别时，眼部信息全部丢失，将严重影响人脸识别的性能[4]。
2.3 文字识别
文字识别是将模式识别、文字处理、人工智能集与一体的新技术，可以自动地把文字和其他信息分离出来，通过智能识别后输入计算机，用于代替人工的输入。文字识别技术可以将纸质的文档转换为电子文档，如银行票据、文稿、各类公式和符号等自动录入，可以提供文字的处理效率，有助于查询、修改、保存和传播。文字识别方法主要有结构统计模式识别、结构模式识别和人工神经网络[5]。由于文字的数量庞大、结构复杂、字体字形变化多样，使得文字识别技术的研究遇到一定的阻碍。
3 结束语
人类在识别现实世界中的各种事物或复杂的环境是一件轻而易举的事，但对于计算机来讲进行复杂的图像识别是非常困难的[6]。在环境较为简单的情况下，图像识别技术取得了一定的成功，但在复杂的环境下，仍面临着许多问题：如在图像识别过程中的图像分割算法之间的性能优越性比较没有特定的标准，以及算法本身存在一定的局限性，这使得图像识别的最终结果不十分精确等。
参考文献：
[1] 胡爱明，周孝宽.车牌图像的快速匹配识别方法[J].计算机工程与应用，2003，39(7)：90—91.
[2] 胡学龙.数字图像处理[M].北京：电子工业出版社，2011.
[3] 范立南，韩晓微，张广渊.图像处理与模式识别[M].北京：科学出版社，2007.
[4] 晓慧，刘志镜.基于脸部和步态特征融合的身份识别[J].计算机应用，2009，1(29)：8.
[5] 陈良育，曾振柄，张问银.基于图形理解的汉子构型自动分析系统[J].计算机应用，2005，25(7)：1629-1631.
[6] Sanderson C，Paliwal K K.Information Fusion and Person Verification Using Speech & Face Information[C].IDIAP-RR 02-33，Martigny，Swizerland，2002.
点击下页还有更多>>>图像识别技术论文
AI论文写作是当前热门话题，许多人对此感兴趣并想要学习。所以，我们提供了 AI 论文写作指南。首先，要理解 AI 的基本概念，包括机器学习、深度学习、自然语言处理等，这些技术可以让 AI 自行研究和生成论文。其次，要注意论文的结构、语法和格式，这对论文的质量非常重要。建议在写作之前制作论文大纲，明确各个部分的内容和顺序，确保逻辑性和连贯性。最后，要注意选择适当的文献资料，特别是最新研究成果和数据，以确保您的论文不过时。此外，还要注重科学研究的道德和防止抄袭。总之，AI论文写作是一项挑战和机遇，我们需要细心研究、理性思考和创新思维，才能创造出高水平的 AI 论文。
人脸自发表情识别毕业论文
出版专著：Mao X., Li Z. Multimodal Intelligent Tutoring Systems[M]. E-Learning--Organizational Infrastructure and Tools for Specific Areas. Feb, 2012. ISBN:978-9-5351-0053-9.(专著章节)毛峡，薛雨丽. 人机情感交互[M]. 科学出版社, 2011年7月1日. ISBN: 978-7-0303-1799-5. （专著）Mao X., Li Z. Web-based Affective Human-agent Interaction Generation[M]. Ronald Hartung (Ed.), Agent and Multi-agent system technology for Internet and Enterprise Systems, Springer-Verlag Berlin Heidelberg 2010, pp. 323-345,2010 ISBN: 978-3-642-13525-5. (专著章节)Mao X, Xue Y, Li Z, et al. Layered Fuzzy Facial Expression Generation: Social, Emotional and Physiological[M]. Affective Computing,Focus on Emotion Expression, Synthesis and Recognition, I-Tech Education and Publishing, pp. 83-106, May 2008, ISBN 978-3-902613-23-3. (专著章节)主要论文：SCI收录:X. Wu, X. Mao, L. Chen, Y. Xue, and A. Rovetta, Kernel optimization using nonparametric Fisher criterion in the subspace, Pattern Recognition Letters, vol. 54, pp. 43-49, 2015. (SCI)Yi J, Mao X, Chen L, et al. Illuminant direction estimation for a single image based on local region complexity analysis and average gray value[J]. Applied optics, 2014, 53(2): 226-236. (SCI)Yi J, Mao X, Chen L, et al. Facial expression recognition considering individual differences in facial structure and texture[J]. Computer Vision, IET, 2014, 8(5): 429-440.(SCI)Yuan S, Mao X, Xue Y, et al. SQR: a simple quantum representation of infrared images[J]. Quantum Information Processing, 2014, 13(6): 1353-1379.(SCI)Chen L, Mao X, Wei P, et al. Speech emotional features extraction based on electroglottograph[J]. Neural computation, 2013, 25(12): 3294-3317.(SCI)Yuan S, Mao X, Chen L, et al. Quantum digital image processing algorithms based on quantum measurement[J]. Optik-International Journal for Light and Electron Optics, 2013, 124(23): 6386-6390.(SCI)Mao X, Liu Y L, Chen L J, et al. A More Precise Empirical Formula for Estimating Normalized Fog Attenuation in the Millimeter-Wave Frequency Range 30~ 100 GHz[J]. Journal of Infrared, Millimeter, and Terahertz Waves, 2013, 34(3-4): 308-315.(SCI)Wang X,Mao X, Caleanu C D, et al. Statistical shape analysis for face movement manifold modeling[J]. Optical Engineering, 2012, 51(3): 037004-1-037004-8.(SCI)Chen L, Mao X, Wei P, et al. Mandarin emotion recognition combining acoustic and emotional point information[J]. Applied Intelligence, 2012, 37(4): 602-612.(SCI)Zheng H C, Mao X, Xue Y L, et al. Evaluation for detection probability of infrared point target under complicated backgrounds[J]. Journal of Electromagnetic Waves and Applications, 2012, 26(11-12): 1528-1537.(SCI)Chen L, Mao X, Xue Y, et al. Speech emotion recognition: Features and classification models[J]. Digital Signal Processing, 2012, 22(6): 1154-1160.(SCI)Li Z, Mao X. Emotional eye movement generation based on Geneva Emotion Wheel for virtual agents[J]. Journal of Visual Languages & Computing, 2012, 23(5): 299-310.(SCI)Mao X, Jiang L, Xue Y. Affect Computation of Chinese Short Text[J]. IEICE TRANSACTIONS on Information and Systems, 2012, 95(11): 2741-2744.(SCI)Diao, W. H., Mao, X, Zheng, H C, Xue, Y. L., & Gui, V. (2012). Image Sequence Measures for Automatic Target Tracking[J]. Progress In Electromagnetics Research, 130, 447-472(SCI)Li, Z., Mao, X. (2012). EEMML: the emotional eye movement animation toolkit[J]. Multimedia Tools and Applications, 1-21(SCI)Catalin-Daniel Caleanu, Xia Mao, Gilbert Pradel, Sorin Moga, Yuli Xue. Combined pattern search optimization of feature extraction and classification parameters in facial recognition[J]. Pattern Recognition Letters 32 (9),1250-1255，2011(SCI)W. H. Diao, X. Mao, V.Gui. Metrics for Performance Evaluation of Pre-processing Algorithm In Infrared Small Target Images[J]. Progress In Electromagnetics Research, Vol.115,35-53, 2011(SCI)Yu-Li Xue, Xia Mao, Catalin-Daniel Caleanu, ShanWei Lv, Layered Fuzzy Facial Expression Generation of Virtual Agent[J]. Chinese Journal of Electronics 19 (1), 69-74,2010 (SCI)Wang X.K., Mao, X., Caleanu. C.D. Nonlinear shape-texture Manifold learning[J]. IEICE Transaction on Information and Systems 93 (8), 2016-2019, 2010(SCI)X. Mao, L.J. Chen.Speech Emotion Recognition Based on Parametric Filter and Fractal Dimension [J]. IEICE Transactions on Information and Systems 93 (8), 2324-2326, 2010(SCI)Kang Huang, Xia Mao. Novel Metric of Relative Characteristics of Small Targets and Backgrounds in Infrared Images[J]. Optical Engineering, 49(10), 2010 (SCI)Kang Huang, Xia Mao. Detectability of infrared small targets[J]. Infrared Physics & Technology, 53(3), 208- 217, 2010 (SCI)Xia Mao, Zheng Li. Generating and Describing Affective Eye Behaviors[J]. IEICE Transaction on Information and Systems, IEICE Press, 2010 (SCI)Xia Mao, Zheng Li. Agent Based Affective Tutoring Systems: A Pilot Study[J]. Computer & Education, Elsevier Press, 2010 (SCI)Wei-he Diao, Xia Mao.Operating distance evaluation method for infrared imaging system under complicated backgrounds[J]. Electronics Letters. 45(25), 2009 (SCI)Xia Mao, Wei-he Diao. Criterion to evaluate the quality of infrared small target images [J]. In: International Journal of Infrared and Millimeter Waves,2008 (SCI)Xia Mao, Yu-Li Xue, Lee-Lung Cheng, Yun Sun. Harmonious Graphics Generating Based on the 1/f Function Theory. Chaos, Solitons & Fractals, v 32, n 2, April, 2007, 521-525 (SCI)Mao Xia, et al. Study on the Affective Property of music[J]. Chaos,Solitons & Fractals,U.K. 2005 (SCI）Mao Xia, et al. Affective Property of Image and Fractal Dimension [J].Chaos,Solition & Fractal, U.K. 2003.3:V15 905-910 (SCI）EI/ISTP收录:Wu X, Mao X, Chen L, et al. View-Invariant Gesture Recognition Using Nonparametric Shape Descriptor[C]//Pattern Recognition (ICPR), 2014 22nd International Conference on. IEEE, 2014: 544-549.Mao X, Liu X, Feng T, et al. A communication protocol of man overboard system based on BeiDou [C]//Intelligent Transportation Systems (ITSC), 2014 IEEE 17th International Conference on. IEEE, 2014: 1910-1911.易积政， 毛峡， 薛雨丽。 基于特征点矢量与纹理形变能量参数融合的人脸表情识别[J]. 电子与信息学报刘运龙，薛雨丽，袁素真，毛峡。基于局部均值的红外小目标检测算法[J]. 红外与激光工程. 2013.毛峡，刘运龙，薛雨丽. 基于未加权区域采样的直线反走样算法[J]. 北航学报. 2013.袁素真, 毛峡, 陈立江, 薛雨丽. 基于双量子比特态测量的量子自适应中值滤波[J]. 北京航空航天大学学报Wu X, Mao X, Chen L, et al. Combined Motion and Region-Based 3D Tracking in Active Depth Image Sequence[C]//Green Computing and Communications (GreenCom), 2013 IEEE and Internet of Things (iThings/CPSCom), IEEE International Conference on and IEEE Cyber, Physical and Social Computing. IEEE, 2013: 1734-1739.Yi J, Mao X, Xue Y, et al. Facial Expression Recognition Based on t-SNE and AdaboostM2[C]//Green Computing and Communications (GreenCom), 2013 IEEE and Internet of Things (iThings/CPSCom), IEEE International Conference on and IEEE Cyber, Physical and Social Computing. IEEE, 2013: 1744-1749.Chen L, Mao X, Wei P, et al. Speech Synthesis Research Based on EGG[C]//Green Computing and Communications (GreenCom), 2013 IEEE and Internet of Things (iThings/CPSCom), IEEE International Conference on and IEEE Cyber, Physical and Social Computing. IEEE, 2013: 1799-1803.Chen J, Mao X, Chen L. Fast Motion Estimation Algorithm Based on H. 264[C]//Green Computing and Communications (GreenCom), 2013 IEEE and Internet of Things (iThings/CPSCom), IEEE International Conference on and IEEE Cyber, Physical and Social Computing. IEEE, 2013: 359-365.Chen L,Mao X, Xue Y L, et al. Speech Emotional Features Measured by Power-law Distribution based on Electroglottography[C]//BIOSIGNALS. 2012: 131-136.Mao X, Luo N, Xue Y L. Emphasizing on the Timing and Type-Enhancing the Backchannel Performance of Virtual Agent[C]//ICAART (2). 2012: 259-263.毛峡，李硕. 基于AVS音频编码的信息隐藏方法[J]. 华中科技大学学报, 2012.毛峡，李硕. AAC窗型判别和量化模块的改进算法[J] 信号处理, 2012.Yuli Xue, Xia Mao and Qing Chang. Facial Action Unit Recognition and Inference for Facial Ecpression Analysis[C]. VISIGRAPP 2012.Haichao Zheng, Xia Mao, Lin Jiang and Yuli Xue. Detection probability evaluation method for infrared point target under complicated backgrounds[C]. 11th International Conference on Quantitative InfraRed Thermography.Mao X, Jiang L, Xue Y. Textual Affect Detection in Human Computer Interaction[M]//Intelligent Autonomous Systems 12. Springer Berlin Heidelberg, 2013: 239-247.Mao X, Wang C, Xue Y. Expression Intensity Recognition Based on Multilayer Hybrid Classifier[M]//Intelligent Autonomous Systems 12. Springer Berlin Heidelberg, 2013: 739-748.陈立江，毛峡，Mitsuru Ishizuka. 基于Fisher准则与SVM的分层语音情感识别[J]. 模式识别与人工智能, 2012.毛峡，刘言，梁晓庚. 极坐标框架两轴平台光轴稳定算法[J]. 兵工学报, 2011.毛峡，常乐，刁伟鹤复杂背景下红外点目标探测概率估算[J]. 北航学报, 2011.王晓侃, 毛峡, Mitsuru Ishizuk.基于非线性流形学习的人脸面部运动估计[J]. 电子与信息学报, 2011.黄康，毛峡，梁晓庚.红外小目标图像背景杂波量化方法[J]. 光学学报, 2011.黄康, 毛峡, 梁晓庚. 红外小目标图像背景杂波量化方法[J].光学学报, 2011.Catalin-Daniel Caleanu,Xia Mao,Vigil Tiponut, Yuli Xue. Direct Search as Unsupervised Training Algorithm for Neural Networks[A]. 14th WSEAS Int. Conf. on Systems,pp.575-579.2010.Li Z, Mao X.Effects of Virtual Agent's Pupil Size, Blink Rate and Saccade on Person Impressions[J]. 10th International Conference on Intelligent Virtual Agents (IVA'10), Philadelphia, USA. 2010.毛峡， 常乐，刁伟鹤. 复杂背景下红外点目标探测概率估算[J]. 北京航空航天大学学报.薛雨丽,毛峡, Catalin-Daniel Caleanu, 常青. 基于社交、情感和生理的分层模糊表情生成[J]. 模式识别与人工智能. 2010.黄康, 毛峡,梁晓庚, 一种新的红外背景抑制滤波算法[J]. 航空学报, 31(6), .Xia Mao,Zheng Li. Emotional Eye Movement Markup Language for Virtual Agents[A], 10th International Conference on Autonomous Agents and Multiagent Systems (AAMAS'10), Toronto, Canada 2010.刁伟鹤, 毛峡.一种新的红外目标图像质量评价方法[J]. 航空学报，2010.刁伟鹤,毛峡.自动目标识别中的图像序列质量评价方法[J]. 电子与信息学报，2010.薛雨丽，毛峡，Catalin-Daniel Caleanu，吕善伟.遮挡条件下的鲁棒表情识别方法[J], 北京航空航天大学学报，2010.刁伟鹤, 毛峡, 梁晓庚. 复杂背景红外成像系统作用距离估算方法[J]. 北京航空航天大学学报, 35(8), 1022-1026, 2009.黄康, 毛峡, 胡海勇，梁晓庚. 复杂背景下红外弱小运动目标检测的新方法,航空学报, 30(9), 1754-1760, 2009.Xia Mao, Zheng Li, Lei Liu. Providing Expressive Eye Movement to Virtual Agents[A]. 11th International Conference on Multimodal Interfaces (ICMI-MLMI'09), Doctoral Spotlight Session. MIT Media Lab, pp. 241-244, Boston, MA, USA (2009).Xia Mao, Zheng Li, YuLi Xue. Emotional Gaze Behaviors Generation in Human-agent Interaction[A]. 27th ACM International Conference on Human Factors in Computing Systems (ACMCHI'09), Extended Abstracts, pp. 3691-3696. Boston, MA, USA, 2009.Xia Mao, Zheng Li. Implementing Emotion-Based User-Aware E-Leaning[A]. 27th ACM International Conference on Human Factors in Computing Systems (ACMCHI'09), Extended Abstracts, pp. 3787-3792. Boston, MA, USA, 2009.Xia Mao, Zheng Li, YuLi Xue. Emotional Gaze Behaviors Generation in Human-agent Interaction[A]. 27th ACM International Conference on Human Factors in Computing Systems (ACMCHI'09), Extended Abstracts, pp. 3691-3696. Boston, MA, USA, 2009.Xia Mao, Zheng Li, Hai-Yan Bao. Extension of MPML with Emotion Recognition Functions Attached[A]. Proceeding of IVA08, Tokyo, Japan 2008.Xia Mao, Zheng Li, Hai-Yan Bao. Generating and Describing Affective Human-agent Interaction[A]. Proceeding of ICNC08, Jinan, China, 2008.Xia Mao, Zheng Li, Hai-Yan Bao. A Rough Set and SVM Based Approach to Chinese Textual Affect Sensing[A].Proceedings - 8th International Conference on Intelligent Systems Design and Applications, Taipei, China, 2008.Xia Mao, Hai-Yan Bao, Zheng Li. Intelligent Emotion Decision System for Autonomous Agents[A]. Proceedings - 8th International Conference on Intelligent Systems Design and Applications, Taipei, China, 2008.LiQin Fu, Xia Mao. Speaker Independent Emotion Recognition Based SVM/HMMs Fusion System[A]. IEEE International Conference On Audio, Language And Image Processing (ICALIP), Shanghai, China, 2008.LiQin Fu, Xia Mao, LiJiang Chen. Speaker Independent Emotion Recognition Using HMMs Fusion System with Relative Speech Features. International Conference on Intelligent Networks and Intelligent Systems (ICINIS) , Wuhan, China, 2008.刁伟鹤，毛峡, 董旭阳. 一种红外小目标图像质量的评定方法[J]. 北京航空航天大学学报，2008.Mao Xia, Zhang Bing, Luo Yi. Emotion Recognition Based on a Hybrid of HMM/ANN[A]. 7th WSEAS Int. Conf. on Applied Informatics and Communications, Athens, Greece, 2007.Mao Xia, Xue Yu-Li, Li Zheng and Diao WeiHe. Modeling of Layered Fuzzy Facial Expression Generation[A]. 12th Conf. on Huamn-Computer Interaction, Beijing, China, 2007.Mao Xia, Xue YuLi, Li Zheng and Hu HanYong. Research on Multiple Facial Expressions of Emotions[A]. 5th Conf. on Computing, Communications and Control Technologies, Orlando, Florida, USA, 2007.毛峡, 赵兴圆，沈巍. 一种基于模糊决策的矩形目标提取算法[J]. 北京航空航天大学学报.2007.毛峡, 薛雨丽等. BHU人脸表情数据库的设计与实现[J]. 北京航空航天大学学报, 2007.02,33(02):224-228.Yu-li Xue,Xia Mao.BEIHANG UNIVERSITY FACIAL EXPRESSION DATABASE AND MULTIPLE FACIAL EXPRESSION RECOGNITIO[A]. International Conference on Machine Learning and Cybernetics 2006.毛峡, 孟庆宇. 基于小波分析和神经网络的脑电信号分类方法[J]. 北京航空航天大学学报.2005.10, 31(10):1140-1144.Mao Xia,et al. Analysis and Synthesis of Two Dimensional Fractional Brownian Motion Based on Wavelet[A]. The 6th World Multi-Conference on SYSTEMICS, CYBERNETICS AND INFORMATICS, America,2002.7Mao Xia, et al. Study on Transforming From Painting to Music.4th EURASIP – IEEE Region 8 International Symposium on Video/Image Processing and Multimedia Communications. (VIPromCom – 2002 ),Croatia.2002.6Mao Xia, et al. Analysis of Affective Characteristics and Evaluation of Harmonious Feeling of Image Based on 1/f Fluctuation Theory [A]. International Conference on Industrial & Engineering Applications of Artificial Intelligence & Expert Systems(IEA/AIE 2002)[C], Australia,2002.6: 780-789.毛峡等. 1/f波动数据的产生及其舒服感评价[J].北京航空航天大学学报，2002, 28(3):253-256.毛峡等. 基于小波的2-D分形布朗运动分析与合成[J].电子学报, 2003.6.毛峡等. 图像的情感特征分析及其和谐评价[J]. 电子学报,2001.12,1923-1927Mao Xia,et al. Characterization of Dried Seaweed Fluctuation Analysis[A].Trans.IEEE of Japan [C], 1997,Vol.117-c,No.2,205-206
可以。 毕业论文是可以用别人训练出来的，但是自己也要有创新，不能全部使用，不然是不会过的。毕业论文（graduation study）是专科及以上学历教育为对本专业学生集中进行科学研究训练而要求学生在毕业前撰写的论文。毕业论文一般安排在修业的最后一学年（学期）进行，论文题目由教师指定或由学生提出，学生选定课题后进行研究，撰写并提交论文，目的在于培养学生的科学研究能力，加强综合运用所学知识、理论和技能解决实际问题的训练，从总体上考查学生大学阶段学习所达到的学业水平。
西北大学硕士发表论文级别
代表不同水平和流通范围，参看下面网址楼上别瞎回答
省级期刊就可以，国家级，核心级没太大必要。
硕士论文送审75分是b等级。
硕士论文委托第三方进行双盲评审，每篇论文共送审3票。依据《教育部办公厅关于进一步规范和加强研究生培养管理的通知》（教研厅〔2019〕1号）文件精神，按照学校进一步提高研究生学位论文质量的统一要求，现将评审结果公布。
硕士论文送审注意事项：
1、论文未抽中的同学请在登录网站后二个月内组织答辩，否则论文将被强制盲审。
2、论文被抽中的同学也要在二个月内组织答辩，否则将延期六个月后才准予答辩。
3、列入盲审者请下载上海市学位论文双盲检查简况表。简况表一式两份，其中一份必须经过导师签字、院（系）盖章，另一份不得签字盖章。两份简况表如实填写后交研究生部学位办。
1.引言研究生学位论文是衡量研究生学术水平是否达到所授予的学位标准的主要依据。研究生学位论文评语是对学位论文是否达到相应水平作出的评价。评语虽短，但是至关重要，涉及到能否毕业、能否得到相应学位，或能否以优秀的评价取得相应学位等问题。因此，客观、准确地写好研究生学位论文评语，对研究生学位论文工作作出恰如其分的评价，是每位论文评阅人义不容辞的神圣职责。2.评价依据学位论文评语需要对所提交审查的论文作出评价，评价的主要依据是《中华人民共和国学位条例》(一九八零年二月十二日第五届全国人民代表大会常务委员会第十三次会议通过)，由于研究生学位分硕士学位与博士学位两大类，所以，对论文的要求也有原则不同。对于申请硕士学位论文，主要审查：(1)在本门学科上掌握坚实的基础理论和系统的专门知识；(2)具有从事科学研究工作或独立担负专门技术工作的能力。对于申请博士学位论文，主要审查：(1)在本门学科上掌握坚实宽广的基础理论和系统深入的专门知识；(2)具有独立从事科学研究工作的能力；(3)在科学或专门技术上做出创造性的成果。3.评语层次研究生在导师的指导下，完成了学位论文的研究工作和学位论文的写作，一般需要以下几个环节审查：(1)导师的审查；(2)同行专家评阅；(3)答辩委员会答辩会答辩；(4)学位委员会审查。前面三个环节都需要写出书面评语。由于角度不同，定位不同，因此，评语的写法也是不一样的。特别是评语的结论部分，文后笔者再具体说明。一般来说，硕士学位论文评阅人应为副高职职称以上的专家，一般应为硕士生指导老师；博士学位论文评阅人应为正高职以上的专家，一般应为博士生指导老师。研究生学位论文评语要求用词准确、评价客观，无论是肯定还是否定，都应该言之有理，以理服人。好的评价不能多加一个字，也不能减少一个字。4.评价内容一般来说，学位论文评价包括下列几个方面：(1)论文选题论文选题主要看是否属于学科前沿，研究工作是否有理论意义和实用价值。如果在国内，列入国家973专案计划、863计划、国家自然科学基金、国家科技攻关项目的选题，大多是属于科学发展前沿，因为在项目立项过程中同行专家已经论证过，是同行关注的热点或重点。(2)文献综述主要看是否掌握了本学科领域相关的研究工作的最新动态和进展。文献综述有量与质两个方面，量的方面主要看是否围绕论文主题基本覆盖了本学科领域相关的主要文献，质的方面主要看是否综述本学科领域具有代表性的论文和有影响的主要文献。例如在本学科领域有影响的学术期刊和学术会议文献，有影响的学者论著，应该在文献综述中体现。更重要的是，学位论文评语需要通过作者的文献综述，看是否概括、归纳出本学科、本研究方向发展的总体趋势、规律和待解决的问题。(3)主要工作与创新点及其学术意义、价值这是学位论文评价的核心内容。对于博士学位论文来说，要求研究工作具有创新性和系统性。评语不仅要列举、归纳、总结出提交审查论文的主要工作与创新点，而且还要指出其学术价值。在学位论文评语写作中，一个突出的问题是，所评审的研究生学位论文中，一般作者已经对论文的主要工作与创新点作了归纳、总结，论文评阅者不能简单地照搬照抄，而是应该从更高的高度，更广的视野，总结、评价论文的工作与创新。(4)论文写作论文写作是学位论文评价的一个重要方面。主要审查论文写作是否层次清楚，条理分明，实验资料是否可*，推论是否科学正确。通过论文写作，也可看出作者是否有一丝不苟的工作作风，论文的条理性与系统性也是研究工作是否有系统性的一个反映。(5)存在的问题与建议任何一项研究工作，无论是高水准的还是低层次的，都不可避免地存在问题，这本是无可非议、众所周知的。但是，一般来说，以前相当一段时间，国内学术界在写学位论文评语时，生怕指出过于尖锐的问题会影响对论文的整体评价，从而只作肯定的评价，不指出研究工作存在的问题。近年来，一些重点院校学位论文评价中，专门设了存在问题一栏，有不少专家如实地给予指出，起到了非常好的效果。其实，客观来说，对待论文取得的成果与存在的问题的关系要具体分析，不能一概而论。存在问题多或者大，并不一定说明论文整体上没有创造性成果或成果价值小。(6)评语结论通过对申请博士学位论文的评阅审查，评语结论应该包括或隐含着下列内容：a.学位论文是否反映出作者在本门学科上掌握坚实宽广的基础理论和系统深入的专门知识；b.学位论文的研究工作是否能反映出作者具有独立从事科学研究工作的能力；c.论文研究工作是否在科学或专门技术上做出了创造性的成果。最后的评语结论与评阅人的身份有关。笔者认为，如是学位论文导师，定位比较准确的最终结论拟为：论文达到了博士学位论文的要求，同意提交同行专家审查。如是同行评审专家，拟为：论文达到了博士学位论文的要求，同意(或建议)组织论文答辩委员会安排答辩。如是论文答辩委员会，拟为：经答辩委员会无记名投票，全票(×票)通过×××同学博士学位论文答辩，同意(或建议)授予(工学)博士学位。或：经答辩委员会无记名投票，全票(×票)通过×××同学博士学位论文答辩，同意毕业，同意(或建议)授予(工学)博士学位。5.范例欣赏下面是一则学位论文评语，本人认为是一篇值得欣赏的评语例文：将计算机辅助设计技术覆盖产品设计的全过程是当前CAD研究的主要内容。传统意义下的CAD技术着重于辅助产品的详细设计和绘图输出，因而有较大的局限性。本文以图形单元作为产品设计资讯的载体，通过运动分析、功能映射、变型设计、关联设计等手段，将计算机辅助设计技术全面地融入产品概念设计过程，取得了一系列有创造性的研究成果：1.将零件结构划分为零件、功能结构和基因单元三个层次，以功能结构为单位组织基因单元，有利于实现基于功能的零件概念设计。2.提出了产品骨架单元的提取方法，通过插入、删除、替代、分解、整合、克隆、派生等多种骨架单元置换手段，在保持功能不变的条件下，对产品进行变型设计。与传统的基于尺寸的产品参数化设计不同，上述变形设计能导致产品结构的变化，因而为创新型设计提供了有效的CAD手段。骨架单元表示完整地体现了该结构与产品中其他结构的约束关系。在保证产品中各结构单元有序性、一致性的前提下，减少了所附加大数据量，有利于在概念设计中，对设计方案反复进行斟酌与修改。3.在关联设计中，归纳总结了五种关联的约束模型，为详细设计阶段自动生成导出单元提供了设计依据。4.以图形单元置换、叠代技术为核心，构造了单元化产品信息建模原型系统。在此基础上开发了MCADDS系统，并在冲剪机床设计XJD型转辙机传统系统设计中获得了成功的应用。5.论文内容丰富、条理清晰、结构完整，特别是在运用CAD技术辅助产品的变型设计以及在设计过程中对设计方案的反复修改方面有重要突破。本文是一篇优秀的博士学位论文，建议提交答辩。6.结束语从某种角度来说，研究生学位论文评语既是对研究生学位论文研究工作的评价，也反映了评阅人综合水平。既反映了评阅人的学术水平，也反映了评阅人的写作文风。它属于应用写作中一种专业应用文写作，值得我们研究。就我感觉，存在的问题 分2种，一是小问题，可以明确指出，并且写明解决办法或者建议，如果是大问题，看你是否想要他通过了，（如果整体结构、内容没有大问题，而是某一方面出现了问题）你可以概括的评价一下，建议不要说的很详细，语气尽量缓和、委婉。比如：如果能够更加完善******* 方面，或者**方面叙述应该更加详细等等。 当然如果论文的确不行，也不要一下定死，可以写：**方面需要从新考虑或者查阅相关文件等等。。。