年终盘点 | “学者观点”论文集锦来了！

2019年7月起，《中国图象图形学报》倾心打造、重磅推出“学者观点”栏目，以“少篇幅、多观点”的形式分享学者对当前学科发展的思考，多视角、分领域地解读研究进展和代表性成果。

图图今天带来9篇“学者观点”论文集锦，分别涵盖了目标跟踪、图像降噪、城市实景地图构建、可视仿真、脑肿瘤图像分割、非真实感绘制、遥感图像融合与分类、遥感边缘智能等不同领域，文末还有9篇论文的打包下载方式哦

01



遥感边缘智能技术研究进展及挑战

论文作者：孙显,梁伟,刁文辉,曹志颖,冯瑛超,王冰,付琨

第一单位：中国科学院空天信息创新研究院

发表时间：2020年9月

关键词：遥感数据; 边缘智能; 小样本学习; 模型轻量化; 持续学习

全文链接：

http://www.cjig.cn/html/jig/2020/9/20200901.htm

论文看点：随着航空航天、遥感和通信等技术的快速发展，5G等高效通信技术的革新，遥感边缘智能（edge intelligence）成为当下备受关注的研究课题。遥感边缘智能技术通过将遥感数据处理与分析技术前置实现，在近数据源的位置进行高效地遥感信息分析和决策，在卫星在轨处理解译、无人机动态实时跟踪、大规模城市环境重建和无人驾驶识别规划等应用场景中起着至关重要的作用。

遥感边缘智能技术研究相关技术路线图

论文对边缘智能在遥感数据解译中的研究现状进行了归纳总结，介绍了目前遥感智能算法模型在边缘设备进行部署应用中面临的主要问题，即数据样本的限制、计算资源的限制以及灾难性遗忘问题等。针对问题具体阐述了解决思路和主要技术途径，包括小样本情况下的泛化学习方法，详细介绍了样本生成和知识复用两种解决思路；轻量化模型的设计与训练，分析了模型剪枝和量化等方法以及基于知识蒸馏的训练框架；面向多任务的持续学习方法，对比了样本数据重现和模型结构扩展两种原理。同时，还结合了典型的遥感边缘智能应用，对代表性算法的优势和不足进行了深层剖析。最后介绍了遥感边缘智能面临的挑战，以及未来技术的主要发展方向。

第一作者：孙显

中国科学院空天信息创新研究院研究员，博士生导师。主要研究方向为：高分辨率遥感图像智能解译。

E-mail：[e-mail]

更多论文精彩内容，点击了解：

02



非真实感绘制技术研究现状与展望

论文作者：钱文华,曹进德,徐丹,吴昊

第一单位：云南大学信息学院

发表时间：2020年7月

关键词：非真实感绘制; 图像建模; 数字化模拟; 情感识别; 评价标准

全文链接：

http://www.cjig.cn/html/jig/2020/7/20200701.htm

论文看点：非真实感绘制技术（non-photorealistic rendering，NPR）主要用于模拟艺术风格、表现艺术特质和传达用户情感等，是计算机图形学的重要组成部分，其研究对象逐渐丰富，研究方法不断创新。

论文从基于图像建模的绘制方法、基于深度学习的绘制方法、中国特有艺术作品的数字化模拟、非真实感情感特征识别以及非真实感视频场景绘制等5个方面概述目前研究进展，然后从扩展非真实感研究对象、增强视频绘制帧间连贯性、提取艺术风格情感特征以及评价非真实感绘制结果等4个角度讨论需要进一步研究的问题。

卷积神经网络艺术风格转换模型（Gatys等，2016）

针对需要深入研究的问题，指出提高算法的通用性和绘制效率，以及提高深度学习网络的泛化性，有助于扩展研究对象，模拟艺术风格的多样性，同时减小视频场景的帧间跳变；对艺术风格作品具有的情感特征、内在机理特征进行模拟，有助于提高绘制结果与艺术风格图像的相似度；结合主观和客观评价模型，可以更准确地对绘制结果进行评价，同时有利于优化网络模型参数，提高绘制效率。

第一作者：钱文华

云南大学教授，主要研究方向为图像处理、计算机视觉。

E-mail: [e-mail]

更多论文精彩内容，点击了解：

03



多源空—谱遥感图像融合方法进展与挑战

论文作者：肖亮,刘鹏飞,李恒

第一单位：南京理工大学计算机科学与工程学院

发表时间：2020年5月

关键词：图像融合; 全色锐化; 反问题; 正则化; 模型优化; 数据驱动; 深度学习

全文链接：

http://www.cjig.cn/html/jig/2020/5/20200501.htm

论文看点：多源空—谱遥感图像融合方法作为两路不完全观测多通道数据的计算重构反问题，其挑战在于补充信息不足、模糊和噪声等引起的病态性，现有方法在互补特征保持的分辨率增强方面仍有很大的改进空间。

为了推动遥感图像融合技术的发展，论文系统概述目前融合建模的代表性方法，包括成分替代、多分辨率分析、变量回归、贝叶斯、变分和模型与数据混合驱动等方法体系及其存在问题。从贝叶斯融合建模的角度，分析了互补特征保真和图像先验在优化融合中的关键作用和建模机理，并综述了目前若干图像先验建模的新趋势，包括：分数阶正则化、非局部正则化、结构化稀疏表示、矩阵低秩至张量低秩表示、解析先验与深度先验的复合等。

多光谱与高光谱的融合问题

论文对各领域面临的主要挑战和可能的研究方向进行了概述和讨论，指出解析模型和数据混合驱动将是图像融合的重要发展方向，并需要结合成像退化机理、数据紧致表示和高效计算等问题，突破现有模型优化融合的技术瓶颈，进一步发展更优良的光谱信息保真和更低算法复杂度的融合方法。同时，为了解决大数据问题，有必要在Hadoop和SPARK等大数据平台上进行高性能计算，以更有利于多源数据融合算法的加速实现。

第一作者：肖亮

南京理工大学教授，博士生导师。主要研究方向为计算机视觉、机器学习和智能信息系统研发。

E-mail: [e-mail]

更多论文精彩内容，点击了解：

04



MRI脑肿瘤图像分割研究进展及挑战

论文作者：李锵,白柯鑫,赵柳,关欣

作者单位：天津大学微电子学院

发表时间：2020年3月

关键词：脑肿瘤图像分割; 核磁共振成像(MRI); 监督分割; 非监督分割; 深度学习

全文链接：

http://www.cjig.cn/html/jig/2020/3/20200301.htm

论文看点：脑肿瘤分割是医学图像处理中的一项重要内容，其目的是辅助医生做出准确的诊断和治疗，在临床脑部医学领域具有重要的实用价值。核磁共振成像（MRI）是临床医生研究脑部组织结构的主要影像学工具，为了使更多研究者对MRI脑肿瘤图像分割理论及其发展进行探索，论文对该领域研究现状进行综述。

脑肿瘤患者MRI的4种模态及专家分割结果图

首先总结了用于MRI脑肿瘤图像分割的方法，并对现有方法进行了分类，即分为监督分割和非监督分割；然后重点综述了基于深度学习的脑肿瘤分割方法，在研究其关键技术基础上归纳了优化策略；最后介绍了脑肿瘤分割（BraTS）挑战，并结合挑战中所用方法展望了脑肿瘤分割领域未来的发展趋势。

MRI脑肿瘤图像分割领域的研究已经取得了一些显著进展，尤其是深度学习的发展为该领域的研究提供了新的思路。但由于脑肿瘤在大小、形状和位置方面的高度变化，以及脑肿瘤图像数据有限且类别不平衡等问题，使得脑肿瘤图像分割仍是一个极具挑战的课题。由于分割过程缺乏可解释性和透明性，如何将全自动分割方法应用于临床试验，还需要进行深入研究。

第一作者：李锵

天津大学微电子学院教授。主要研究方向为智能信息处理、滤波器设计、数字系统和微系统设计。

E-mail: [e-mail]

更多论文精彩内容，点击了解：

05



结合深度学习和半监督学习的遥感影像分类进展

论文作者：谭琨,王雪,杜培军

第一单位：华东师范大学地理信息科学教育部重点实验室

发表时间：2019年11月

关键词：遥感影像分类; 深度学习; 深度生成模型; 半监督学习; 迁移学习

全文链接：

http://www.cjig.cn/html/jig/2019/11/20191101.htm

论文看点：论文以结合深度学习的遥感影像特征提取和不充足样本下地物识别与分类作为出发点，对2017—2019年用于遥感图像处理中小样本训练的深度学习方法进行归类总结，介绍如何结合深度学习技术解决遥感影像在样本不充分情况下的有效训练问题，从深度生成模型、迁移学习以及一些高效特征提取网络3个方面进行全面剖析。

“大数据”下的遥感对地观测技术新模式

首先，探讨了以GAN和VAE及其衍生结构在遥感技术中分类、变化检测上的应用；然后，在基于知识复用的辅助训练策略——迁移学习中主要从基于网络的迁移和基于数据结构的迁移两大类应用展开讨论；最后探讨了结合半监督学习和主动学习等思想的深度学习算法以及一些新颖的网络结构的应用。

第一作者：谭琨

华东师范大学教授。主要研究方向为高光谱遥感图像处理，环境遥感。

E-mail: [e-mail]

更多论文精彩内容，点击了解：

06



人群应急疏散可视仿真研究进展和问题

论文作者：刘箴

作者单位：宁波大学信息科学与工程学院

发表时间：2019年10月

关键词：人群应急疏散; 可视仿真; 情绪感染; 人群行为; 人群导航

全文链接：

http://www.cjig.cn/html/jig/2019/10/20191001.htm

论文看点：人群应急疏散可视仿真是用智能体来模拟具有自主感知、情绪和行为能力的人群个体，并采用3维可视的方式来直观呈现人群应急疏散情景，可以为制定人群应急预案提供形象直观的分析方法。

基于情绪感染模型的紧急疏散仿真

论文从人群仿真数据的来源、人群导航模型的构建、人群行为模型、人群情绪感染、人群渲染5个方面概述目前研究的进展，然后从仿真模型的可验证性、人群疏散导航模型的构建、人与环境的物理模型、动物逃生实验与仿真、疏散中的社会行为表现以及人群情绪的可视计算6个角度讨论需要进一步研究的问题。

针对需要深入研究的问题，指出：1）借助于紧急事件的视频监控分析和虚拟人群情景的用户调查，有助于完善人群仿真模型；2）结合物理模型，可以更准确地描述人群应急疏散场景；3）开展动物逃生实验分析，有助于完善人群运动导航算法；4）建立人群社会行为模型，可以更详细描述疏散中人群行为的多样性；5）构建基于多通道感知的人群情绪感染计算方法，可以详尽描述情绪感染的过程。

第一作者：刘箴

宁波大学研究员。主要研究方向为虚拟现实和人工智能。

E-mail: [e-mail]

07



城市视频实景地图构建初探

论文作者：吴军,刘祺昌,黄明益

作者单位：桂林电子科技大学电子工程与自动化学院

发表时间：2019年9月

关键词：视频实景地图；3维地图；虚拟现实；全景摄像机标定；视频空间配准；视频纹理映射；实时渲染

全文链接：

http://www.cjig.cn/html/jig/2019/9/20190901.htm

论文看点：城市视频实景地图兼具地图立体空间、视频时间4维度层面信息统一表达能力，对于我国城市立体监控系统构建、互联网地图产品发展，以及未来实景3维中国建设战略实施具有重要意义和应用价值。

为引起更多研究者进行探索，对城市视频实景地图构建方法、技术及其应用前景进行讨论。从增强虚拟环境技术（AVE）角度出发，对融合全景视频与地理3维模型构建城市视频实景地图涉及的全景摄像机标定、全景视频空间配准及视频纹理映射、实时渲染系列技术、方法进行了梳理。

经过分析得出：1）适合传统“针孔”模型的摄像机标定、影像空间配准理论和方法，需根据全景摄像机球面投影模型进行拓展；2）适合静态纹理的大规模3D场景渲染LOD（levels of detail）技术和策略，需结合视频传输带宽限制、高帧率特点进行技术创新。城市视频实景地图构建是一项值得重视的崭新课题，将有力促进互联网、人工智能前沿技术发展，有望给相关行业带来万亿级市场机遇。

第一作者：吴军

桂林电子科技大学教授，博士生导师。主要研究方向为数字摄影测量、计算机视觉及光电信息处理。

E-mail:[e-mail]

更多论文精彩内容，点击了解：

08



深度卷积神经网络降噪模型的技术瓶颈与研究展望

论文作者：徐少平,刘婷云,林珍玉,张贵珍,李崇禧

作者单位：南昌大学信息工程学院

发表时间：2019年8月

关键词：综述；图像降噪；深度卷积神经网络；瓶颈问题；感受野；数据依赖；参数空间

全文链接：

http://www.cjig.cn/html/jig/2019/8/20190801.htm

学者观点：现有的深度卷积神经网络（DCNN）图像降噪模型受其技术路线内在固有特性的制约，降噪性能仍然有待进一步改进。为了推动现有DCNN图像降噪模型技术的发展，需要正视并及时解决制约其进一步完善的瓶颈问题。

论文简要概述了传统的基于自然图像非局部自相似性、稀疏性和低秩性这3种先验知识设计的图像降噪算法的技术路线特点和优缺点，从传统图像降噪算法存在的问题中引出基于DCNN构建图像降噪模型的技术优势，并梳理并总结了DCNN降噪模型未来的发展瓶颈，就相应的解决方案（研究方向）进行详细讨论。

通过深入分析发现，可以从扩大卷积核的感受野、降低网络参数与训练集之间的依赖关系以及充分利用DCNN网络的建模能力这3个角度入手，突破现有基于数据驱动的DCNN降噪模型的瓶颈制约，把图像降噪算法的研究水平推向新的高度。

第一作者：徐少平

南昌大学教授，博士生导师。主要研究方向为图形图像处理技术、机器视觉、虚拟手术仿真。

E-mail:[e-mail]

更多论文精彩内容，点击了解：

09



近年目标跟踪算法短评——相关滤波与深度学习

论文作者：孟琭,李诚新

作者单位：东北大学信息科学与工程学院

发表时间：2019年7月

关键词：目标跟踪；相关滤波；深度学习；孪生神经网络

全文链接：

http://www.cjig.cn/html/jig/2019/7/20190701.htm

论文看点：目标跟踪是计算机视觉领域的重要组成部分。基于相关滤波和深度学习的目标跟踪算法层出不穷，本文拟对经典的若干目标跟踪算法进行阐述与分析。

首先，对基于相关滤波跟踪算法的基础理论进行介绍，针对相关滤波算法在特征改进类、尺度改进类、消除边界效应类、图像分块类与目标响应自适应类方面进行总结；接下来，从3个方面对基于深度学习的目标跟踪算法进行阐述与分析：目标分类、结构化回归、孪生网络，并对有代表性的跟踪算法的优势与缺陷进行较深层次的解读。

基于相关滤波的目标算法在实时性方面表现优秀，但对于复杂背景干扰、相似物遮挡等情况仍然需要优化。深层的卷积特征对于目标有强大的表示力，通过使相关滤波算法与深度学习结合，大幅度提升了算法表现力。基于深度学习的跟踪算法则更侧重于跟踪的性能，大多无法满足实时性。孪生神经网络的使用对于基于深度学习类目标跟踪算法产生了很大的推动，兼顾了算法的性能和实时性。

第一作者：孟碌

东北大学副教授，主要研究方向为人工智能，图像处理，计算机辅助诊断，区块链。

Email: [e-mail]

更多论文精彩内容，点击了解：

加入图图社区，9篇“学者观点”论文打包送给您~

"图图Seminar" 直播回放

回放平台：

知网在线教学服务平台：

http://k.cnki.net/Room/Home/Index/181822

B站：

https://space.bilibili.com/27032291

往期目录：

汪荣贵——机器学习基本知识体系与入门方法

陈强——从Cell封面论文谈AI研究中的实验数据问题

石争浩——从先验到深度：低见度图像增强

行知论坛——南理工行知论坛&图图Seminar：智能画质增强专题

孙显——遥感图像智能分析：方法与应用

章国锋——视觉SLAM在AR应用上的关键性问题探讨

林宙辰——机器学习中优化算法前沿简介

白相志，冯朝路——“医学图像与人工智能”主题论坛

李雷达——以人为中心的图像感知评价：从质量到美学

汪荣贵——深度强化学习系列课程1-4讲

张明敏，郭诗辉——“人工智能与虚拟现实”主题论坛

高连如——高光谱遥感图像处理与信息提取

杨扬——“出身决定论”？看科研之路如何逆袭！

于仕琪——步态识别新动向：基于人体模型的方法与数据

CCF YOCSEF南京——深度学习可解释性论坛

安虹，沈定刚——“医学影像人工智能”主题论坛

山世光，邓伟洪——“AI如何察言观色”：基于视觉的情感感知技术与应用专题论坛

     好文推荐
❂ 专家报告
❂ 论文写作

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：秀   秀

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

我就知道你“在看”