由北京图象图形学学会主办,北京科技大学承办的《第十七届图像图形技术与应用学术会议(IGTA2022)》,于2022年4月23日线上召开。面对反反复复的疫情,本届大会选择通过线上召开,会议全程面向观众免费开放,突破了地域限制,扩大了传播力和影响力,得到了图像图形领域专家学者和行业同仁的高度关注,两家直播平台累计观看量总计2300余人次。来自清华大学、北京大学、北京航空航天大学、北京理工大学、北京工业大学、上海交通大学、北京交通大学、中国科学院光电技术研究所、中国空间技术研究院、深圳大学、云南大学、福州大学、东北大学以及澳大利亚国立大学等学术单位的论文作者和学者在会上进行了交流。Springer、《中国图象图形学报》、《图学学报》等出版单位以大会出版媒体支持单位的身份参加了本次大会。北京图象图形学学会副理事长、北京大学彭宇新教授主持IGTA2022大会开幕,首先是北京图象图形学学会理事长、北京理工大学王涌天教授在致辞中表示本次大会围绕“图像图形与认知智能”这一主题展开交流、共谋发展,无论是线上还是线下,我们都会期待无障碍的交流,也同时鼓励学者们通过网络参会,分享学术盛宴。本次大会邀请了中国工程院院士,湖南大学王耀南教授和澳大利亚国立大学的Nick Barnes教授分别做了题为《智能作业机器人环境感知控制技术及发展趋势》和《Dense prediction with uncertainty for prosthetic vision and bushfire detection(智能视觉和丛林火灾探测的不确定性密集预测)》的主题报告。精彩的大会报告展示专家教授们的研究内容和方向,为参会者带来了顶尖研究成果和来自海内外的各种新命题、新方法、新思维、新形式,扩展了参会者对本学科技术应用的视野。王耀南院士作报告Nick Barnes教授作报告大会设立的青托论坛,是本次大会的亮点,邀请了在2022年获得青托项目资助的8名青年会员展示他们在各自领域内的研究成果,这是北京图象图形学学会首次联合中国图象图形学学会共同进行青年人才托举项目。本年度学会也将继续申报青托平台组织资格,为青年会员服好务。为了促进图像图形学科的交叉与发展,加强行业内的学术交流、信息共享与合作,学会后续安排了1场青托经验交流以及1场优秀博士论文宣讲交流会,邀请了众多青年科技工作者的展示他们的研究成果,为学术同仁提供一个良好的交流平台。青托论坛本届会议收到有效投稿论文77篇,通过3轮审稿和终审,收录中英文论文37篇,其中英文论文将通过Springer出版并提交EI检索。马惠敏教授致辞在闭幕式上,本届大会的承办方负责人,北京图象图形学学会副理事长、中国图象图形学学会副理事长兼秘书长、北京科技大学马惠敏教授致辞,并揭晓了北京图象图形学学会优秀博士论文和优秀博士论文导师评选结果,为IGTA2022画上了圆满的句号,期待我们可以在IGTA2023再相遇。
北京图象图形学学会在2021年的工作中,针对自身的特点,深入进行学术交流,积极通过学会的活动扩大学会的影响,严格遵守北京市科协及北京市民政局的各项规定,综合总结如下:学术交流1、第十六届图像图形技术与应用学术会议(IGTA2020)由北京图象图形学学会主办的第十六届图像图形技术与应用学术会议(IGTA2021)于6月5-6日在北京理工大学国际教育交流大厦顺利召开。本次会议采取线下线上相结合的交流形式,平台累计观看人次5500人,一起分享图像图形领域研究的最新进展,探讨当前研究热点和机遇。2、电子电气工程师学会(IEEE)女工程师北京领导力峰会11月19日至20日,电子电气工程师学会(IEEE)女工程师北京领导力峰会(IEEE Women in Engineering Beijing Leadership Summit,IEEE WIE BLS2021)于线上成功举办。本次峰会由北京图象图形学学会与IEEE中国联合会、中国图象图形学学会、IEEE中国代表处联合主办,IEEE亚太区可持续发展技术活动委员会、IEEE电力与能源协会女工程师分会中国委员会、中国图象图形学学会女科技工作者委员会、北京图象图形学学会青年工作委员会联合协办。IEEE女工程师协会北京分会是面向国内信息技术领域最大的科技女性国际化的专业组织之一,致力于推广和鼓励在华的女性工程师和科学家,激发年轻女性投身科学研究和工程事业。3、北京地区广受关注学术成果报告会(图像图形领域)9月23日下午由北京市科学技术协会主办、北京图象图形学学会、北京科学中心、北京科技社团服务中心承办的“2021年北京地区广受关注学术成果报告会(图像图形领域)”在北京科学中心召开。报告会采取线上线下相结合的方式进行,报告会通过科协频道进行直播。点击量达101.1万人次,在线最高热度达5.2万,点燃了公众参与学术交流的热情。与会专家一致认为,这种“大同行、跨学科、互动式、云直播、反常识”的报告会形式,遴选方式新,学科领域广,成果水平高,参与专家多,会为今后科技创新、人才培养、学术交流等方面带来更多启示。4、BSIG青年学者成长论坛9月27日由北京图象图形学会(BSIG)主办,BSIG青年工作委员会和中国科学院自动化研究所联合承办的“首届BSIG青年学者成长论坛”在北京达园宾馆成功举办。邀请了2021年北京图像图形学会优秀博士论文获奖博士分享科研工作及科研经验,更有多位领域大咖介绍领域前沿研究成果。为从事人工智能与安全、视觉内容理解与安全等领域的同行提供了一个学习、交流的平台,拓宽青年科技工作者的学术视野,促进青年科技工作者的学术发展。5、青年科青年人才托举工程推荐工作按照北京市科协系统深化改革实施方案和关于经理学术实践的工作部署,北京图象图形学学会联合中国图象图形学学会,申报《北京市科协青年人才托举工程2022-2024年度项目。2021年10月19日,北京图象图形学学会举行了“青年人才托举项目”终评会议,评出青年人才托举项目入选者3名。科学普及8月6日,北京图象图形学学会理事、北京电影学院副教授王春水受邀参加录制《影想力》节目,从《白蛇2:青蛇劫起》中看国产动画背后的数字技术革命,为民众深度解析中国动画工业发展情况,揭示影视虚拟制作技术目前在我国的应用。科技评价学会在2021年继续开展优秀博士论文和优秀导师的评选工作,并以此为试点,开展各类型的科技评价工作并做好各种科技评价的基础准备工作。本次优秀博士论文奖共遴选出3篇优秀论文奖、3位优秀导师奖以及3篇优秀论文提名奖和3位优秀导师提名奖。评奖范围辐射到北京周边的京津冀地区。学会将在此基础上,酝酿更多层次的科技评价工作,丰富学会为会员为社会服务的内容。学会建设1、第七届会员代表大会暨第七届理事会召开6月6日,北京图象图形学学会第七届会员代表大会暨第七届理事会在京召开。会议由第六届理事会秘书长刘越主持。按照议程进行了第六届工作总结和第七届理事会的换届选举工作。会议听取并审议通过了第六届理事会理事长王涌天教授作的工作报告、财务情况报告;监事长马惠敏教授所做的监事会工作报告。会上审议通过修改后的《北京图象图形学学会章程》,并选举产生第七届理事会和监事会。 2、学会专职人员参加专业化职业化培训学会专职人员通过参加北京市科协举办的多门线上培训课程,不断提升学会秘书处工作的理论水平和实践能力,同时开阔了学会工作思路,加强了社团间的横向交流,为今后开展秘书处工作带了很多启示,也为学会的发展夯实了新的基础。党建活动1、市科协社会组织党建工作小组“学习贯彻党的十九届五中全会精神专场报告会”1月15日,学会党建工作小组及部分理事参加了由市科协组织的“学习贯彻党的十九届五中全会精神专场报告会”。会议主要研究关于制定国民经济和社会发展第十四个五年规划的建议。面对新使命、新任务、新要求,学会需要忘记已取得的成绩,以更大的决心和勇气抢抓机遇,善于在危机中育先机,在变局中创新局。需要不断推进自身改革,不断提升党建工作小组的能力和水平,在奋进的道路上始终成为攻坚克难、迎难而上的先锋,不断鼓舞学会会员接力耕耘,为学会及整个行业的发展凝智聚力。2、观看学习“建党百年庆祝大会”7月1日,学会组织党建工作小组以线上的形式观看学习“建党百年庆祝大会”,会上习近平总书记面向全体党员发出了为党和人民争取更大光荣的伟大号召。学会也要坚持改革创新,在开放中博采众长。在工作中总结经验,并且要把经验升华为理论,不断丰富和超越自己。3、观看学习“中央人才工作会议”11月2日,学会组织党建工作小组线上观看学习“中央人才工作会议”,与会人员学习了习近平总书记重要讲话精神,重点学习了加快建设世界重要人才中心和创新高地,加快建设国家战略科技人才队伍等内容。会议听取了党建工作小组各组员学习宣传中央人才工作会议的精神的情况,并针对稳定支持会员,激励青年人才快速成长等事宜进行了深入探讨。在2022年,学会将更加关注学术建设,从形式创新、内容创新和组织方式的创新等方面,以激发创新思维、活跃创新氛围、增强创新能力为导向,积极发挥学会优势,服务科技工作者学术成长,培育更多学术活动精品,更加全面认识学术交流在科技进步中的重要基础作用和服务功能。更加关注科学道德和学风建设,用正确的学术导向激励更多科学大家、青年才俊和创新团队勇立潮头、锐意进取,以实干创造新业绩。
Call for Paper The 17th Conference on Image and Graphics Technology and Application (IGTA2022), hosted by the Beijing Society of Image and Graphics, will be held in Beijing in April 2022. The content of the conference includes specially invited reports, paper reports, frontier forum exchanges, special forums, excellent exhibitions, youth forums, visits to exhibitions, etc.The role, achievements, development and in-depth application of image and graphics technology in the new era are the main content of the conference. Researchers, engineering technicians and students at home and abroad are now invited to actively contribute to the conference. Submission GuidelinesAll papers must be original and not simultaneously submitted to another journal or conference. The following paper categories are welcome:l Submission requirements: title and abstract, papers in both Word and PDF formats, phone number and email address of the corresponding author.l The paper submission must conform to the formatting instructions of Springer template, with no more than 12 pages. If your paper is generated by latex, please state and upload the PDF format paper.l Please visit http://www.bsig.org.cn/detail/2325 for the Springer paper template. List of Topics (Please indicate:Topic X + Paper title)Topic1 Image processing and enhancement techniques (image information acquisition, image/video coding, image/video transmission, image/video storage, compression, completion, dehazing, reconstruction and display, etc.)Topic2 Biometric identification techniques (biometric identification and authentication techniques including face, fingerprint, iris and palm-print, etc.)Topic3 Machine vision and 3D reconstruction (visual information acquisition, camera calibration, stereo vision, 3D reconstruction, and applications of machine vision in industrial inspection, etc.)Topic4 Image/Video big data analysis and understanding (object detection and recognition, image/video retrieval, image segmentation, matching, analysis and understanding.)Topic5 Computer graphics (modeling, rendering, algorithm simplification and acceleration techniques, realistic scene generation, 3D reconstruction algorithm, system and application, etc.)Topic6 Visualization and visual analysis (scientific visualization, information visualization and visual analysis.)Topic7 Virtual reality and human-computer interaction (virtual scene generation techniques, tracing and positioning techniques for large-scale space, augmented reality techniques, human-computer interaction techniques based on computer vision, etc.)Topic8 Applications of image and graphics (image/video processing and transmission, biomedical engineering applications, information security, digital watermarking, text processing and transmission, remote sensing, telemetering, etc.) Publication l All the accepted and registered papers will be published by Springer and indexed by EI. The proceedings of IGTA series have been indexed by EI for 8 years consecutively.l You can use either English or Chinese to communicate with other participants in the conference. Contact Please visit http://www.bsig.org.cn for further information.Please email igta@bsig.org.cn or contact 010-82525258 for any questions about paper submission, registration and journal publications.
显著性目标检测能够减少后续视觉任务的数据处理量,当目标的形状轮廓或色彩纹理组成复杂时,准确地检测出完整的显著性目标是一项具有挑战性的工作。专家推荐本文提出了一种背景吸收的马尔可夫显著性目标检测方法,能够克服原有方法在吸收节点选择、结果等方面的缺陷,在3个不同类型的公开数据集上与多种现有方法的比较实验表明,整体上本文方法在PR曲线、F值以及视觉效果上均有明显的优势。论文亮点1、将原始图象分割成不同数量的超像素块并筛选出合适的边界,分别基于边界节点吸收和背景节点吸收计算获得显著图,能够适应复杂场景得到鲁棒的结果。 2、提出了一种基于边界选择、背景节点选择的多层图融合模型,使得最终获得的显著图具有更好的显著性表达能力。论文方法在SLIC分割的基础上,首先通过差异化筛选去除差异较大的边界,选择剩余三条边界上的节点进行复制作为马尔可夫链的吸收节点,通过计算转移节点的吸收时间获得初始的显著图,然后从初始显著图中选择背景可能性较大的节点进行复制作为吸收节点,再进行一次重吸收计算获得显著图,并对来自不同数量超像素块分割结果导出的多层显著图进行融合获得最终的显著图。图1 本文方法的流程图实验结果实验在ASD、DUT-OMRON和SED3个数据集上,对比了现有的12种方法。ASD数据集包含1 000幅自然图像;DUT-OMRON数据集中有5168幅具有复杂背景且显著目标大小不一的图片;SED数据集中有200幅具有挑战性的图像。设置初始的边界选择时的参数超像素个数为m=250,获取背景吸收节点时的阈值t=0.015。 图2显示了多种方法在ASD数据集上的PR曲线和F值结果。图3和图4是在DUT-OMRON数据集和SED数据集进行对比的结果。从PR 曲线和F值结果可以看出,在ASD和DUT-OMRON数据集上,PR曲线和F值均是最高的,SED数据集中,PR曲线是最好的,F值略低于MC方法,但整体而言,本文算法优于其他12种现有的算法。 在图5中给出在3种不同的数据集上,各种算法的视觉比较,从图5可以看出本文的显著图结果在视觉效果上能够更好地突出整个目标,从直观上来看,本文算法优于其他12种算法。 图2 多种算法在ASD数据集上PR曲线与F值比较 图3 多种算法在DUT-OMRON数据集上PR曲线与F值比较 图4 多种算法在SED数据集上PR曲线与F值比较 图5 在3种数据库上不同方法的视觉比较 第一作者 蒋峰岭,现为中国科学技术大学模式识别与智能系统专业博士研究生,目前主要研究方向为计算机视觉。邮箱:fljiang@mail.ustc.edu.cn 通信作者 孔斌,研究员,博士生导师。中科院合肥智能机械研究所仿生视觉实验室负责人。任中国图象图形学学会理事,中国人工智能学会智能机器人专业委员会委员,安徽省人工智能学会理事。多年来一直从事图象处理、计算机视觉相关的研究工作,获中科院科技进步二等奖一项,发表论文40余篇,EI收录30多篇,申请国家发明专利10项。先后参加和承担国家攻关、国家自然科学基金、国家863、973等以及中科院下达和地方委托的科研项目二十多项。目前,主要研究方向为智能机器人环境感知、工农业机器视觉应用、仿生计算机视觉等。邮箱:bkong@iim.ac.cn.INTRODUCTION实验室介绍中国科学院合肥智能机械研究所是中国科学院合肥物质科学研究院的重要研究单元之一,致力于在仿生感知、信息获取、智能农业信息系统、智能检测与控制、微纳米技术、先进制造、安全系统等重要领域为国家做出基础性、战略性和前瞻性的研究和贡献。建所近四十年来,智能所先后承担了国家自然科学基金、“863”计划、“973”计划、国际科技合作计划、中科院、省部及地方科技攻关等课题近千项,取得了一大批重要科技成果,获得了国家科学技术进步二等奖、联合国世界信息峰会大奖、安徽省科技进步一等奖等100多项科技奖,并承办中国自动化学会核心学术期刊《模式识别与人工智能》。作者所在研究团队主要研究方向为智能机器人环境感知、工农业机器视觉应用、仿生计算机视觉等。近年来参加国家自然科学基金重大研究计划重点项目和集成项目、中国科学院战略性先导科技专项课题等的研究,参与研制的“智能先锋号”无人车在国家自然科学基金委员会主办的“中国智能车未来挑战赛”多次获得优秀成绩。 引用格式Jiang F L, Zhang H T, Yang J, Kong B . Image saliency detection based on background-absorbing Markov chain[J]. Journal of Image and Graphics, 2018, 23(6): 857-865. [蒋峰岭, 张海涛, 杨静, 孔斌. 背景吸收的马尔可夫显著性目标检测[J]. 中国图象图形学报, 2018, 23(6): 857-865.]DOI: 10.11834/jig.170492原文链接http://www.cjig.cn/html/jig/2018/6/weixin/20180608.htm近年国内外优秀的视觉显著性检测算法1、Itti等人[1]提出基于Koch生物识别框架,提取了多尺度的亮度、颜色、方向特征,采用中央周边差操作构造特征图,再将特征整合后突出显著性区域;2、Harel等人[2]提出了一种基于图的视觉显著性检测模型;3、Hou等人[3]提出了一个频谱残差模型(SR方法)来计算显著性;4、Jiang等人[4]提出的基于马尔可夫链的方法(MC方法)中,关注节点在马尔可夫链上的随机游走过程,根据转移节点到吸收节点的吸收时间的不同,获得超像素块的显著值;5、Qin等人[5]提出了基于元胞自动机的方法;6、Tu等人[6]引入最小生成树的方法,可以获得一个实时显著性检测方法。[1] Itti L, Koch C, Niebur E. A model of saliency-based visual attention for rapid scene analysis[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1998, 20(11): 1254–1259. [DOI:10.1109/34.730558][2] Harel J, Koch C, Perona P. Graph-based visual saliency[C]//Proceedings of the 19th International Conference on Neural Information Processing Systems. Kitakyushu, Japan: ACM, 2006: 545-552. [DOI:10.1.1.70.2254][3] Hou X D, Zhang L Q. Saliency detection: a spectral residual approach[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Minneapolis, Minnesota, USA: IEEE, 2007: 1-8. [DOI:10.1109/CVPR.2007.383267][4] Jiang B W, Zhang L H, Lu H C, et al. Saliency detection via absorbing Markov chain[C]//Proceedings of IEEE International Conference on Computer Vision. Sydney, NSW, Australia: IEEE, 2013: 1665-1672. [DOI:10.1109/ICCV.2013.209][5] Qin Y, Lu H C, Xu Y Q, et al. Saliency detection via cellular automata[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition. Boston, MA, USA: IEEE, 2015: 110-119. [DOI:10.1109/CVPR.2015.7298606][6] Tu W C, He S F, Yang Q X, et al. Real-time salient object detection with a minimum spanning tree[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas, NV, USA: IEEE, 2016: 2334-2342. [DOI:10.1109/CVPR.2016.256]