1 自主选择3篇图像处理相关论文3篇论文需要属于图像处理方向的同一个子领域例如都是图像复原方向。注：也可以选择更高层级的视觉任务但图像处理方法必须是该视觉任务中的一个重要组成部分并且在文档和PPT中都应强调图像处理模块的细节和作用。2 3篇文章都需要是2013年后发表的论文高引论文引用1000次以上可以不受该条件限制但其余2篇论文均需为近10年内发表的论文。3 建议以经典论文高引论文为第一篇论文剩

根据要求，以下是3篇图像处理相关论文的选择：

经典论文：Deep Residual Learning for Image Recognition（引用次数：约6900次）
- 作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
- 发表年份：2016
- 论文摘要：该论文提出了一种深度残差网络（Deep Residual Network），通过引入残差块的方式解决了深度神经网络训练中的梯度消失和表达能力不足的问题，使得网络可以更深更容易训练。
改进经典论文的工作：Identity Mappings in Deep Residual Networks（引用次数：约720次）
- 作者：Kaiming He, Xiangyu Zhang, Shaoqing Ren, Jian Sun
- 发表年份：2016
- 论文摘要：该论文对经典论文中的深度残差网络进行了改进，提出了Identity Mapping的概念，通过跳跃连接和恒等映射的方式增强了信息传递和优化训练过程。
改进经典论文的工作：Densely Connected Convolutional Networks（引用次数：约2700次）
- 作者：Gao Huang, Zhuang Liu, Laurens van der Maaten, Kilian Q. Weinberger
- 发表年份：2017
- 论文摘要：该论文基于经典论文中的深度残差网络，提出了密集连接的卷积网络（Densely Connected Convolutional Network），通过在每个层之间建立密集的连接，增加了特征的重用和信息的流动，提高了网络性能和训练效果。

这三篇论文都属于深度学习在图像处理中的应用方向，其中第一篇是经典论文，后两篇分别是对经典论文的改进工作，展示了深度残差网络在图像识别任务中的重要性和有效性。