1.题目：图像显著性计算模型初探

摘要: 图像显著性检测旨在通过计算机模拟人类的视觉注意机制，实现自动且智能地检测出图像中的显著性物体。作为计算机视觉处理的基础研究课题，显著性检测有助于去除图像中的冗余信息、提高图像处理效率，因此显著性检测在图像检索、目标识别、自适应图像压缩等计算机视觉领域得到了广泛应用。

讲者将介绍一种基于选择性背景种子和扩展随机游走算法的显著性检测模型（BSERW模型）。该模型首先在BOP算法的基础上进行了优化并计算得到背景种子节点；然后采用扩展随机游走算法（ERW）将背景种子的标签传播到图像中的其他区域；最后，我们将图像的纹理信息和结构信息相结合来进一步优化显著图。实验结果表明，BSERW能够有效地检测到图像显著性区域，检测结果不仅在背景区域的抑制上有着出色的表现，而且在P-R曲线和F-measure值上也表现出较好的性能。

2.主讲人

蹇木伟，博士，山东财经大学教授。

3.时间

2019年03月31日，上午10：30

4.地点

信息中心307会议室

5.报告人简介

蹇木伟，博士、教授、博士生导师、中国致公党党员。2001-2005年就读于太阳网集团8722(中国)有限公司，2014年于香港理工大学获博士学位。现任山东财经大学计算机科学与技术学院，教授、博士生导师，机器学习与数据挖掘中心副主任。蹇博士亦曾是英国皇家学会牛顿国际学者基金下(Newton international Fellowship)王宽诚国际学者基金的获得者(Royal Society–K. C. Wong International Fellow,该年度中国内地仅资助2人)。

研究方向为图像处理与模式识别、多媒体计算、机器学习与认知科学等。在 SCI 收录的国际著名期刊《IEEE Trans. on Cybernetics》、《IEEE Trans. on CSVT》、《Pattern Recognition》、《Information Sciences》、《Signal Processing》及国际一流会议ICME、 ISCAS、ICIP、PCM 上发表SCI/EI收录论文70 余篇。其中，以第一作者发表 SCI 收录的国际期刊论文影响因子（IF>3.0）高于3.0的7篇，影响因子（IF>1.5）高于1.5的16篇。据Google Scholar统计，论文被引用次数已超过600次。此外，以第一发明人或第一申请人被授予3项国家专利，其中1项国家发明专利和2项国家实用新型专利。

主持国家自然科学基金青年基金、中国博士后基金（一等资助）、山东省自然科学基金青年基金、青岛市应用基础研究计划(青年专项)、 青岛市博士后基金等研究课题10余项。担任20余个SCI 国际期刊的审稿人和多个国际会议的本地主席(Local Arrangement Chair)、专题主席(Special Session Chair)、宣传主席（Publicity Chair）和程序委员会委员等。目前担任CCF-计算机视觉专委会专委简报编委；山东省人工智能学会常务理事；CCF-计算机视觉专委会委员；CCF-多媒体专委会委员；CCF-机器学习与模式识别委员等。

6.主办单位

                                    发布人：傅德谦