一、活动简介

     “CSIG图像图形中国行”活动旨在推动图像图形学科的普及，加强各高校研究所以及企业间的交流。自2017年4月起，分别在扬州大学、哈尔滨工业大学、兰州大学、杭州电子科技大学、北京交通大学、海南大学、福州大学成功举办7期，参会人数累计1000余人，受到业界好评。

主办：拉斯维加斯手机娱乐网站

承办：西北农林科技大学大学

时间：2018年5月26日

地点：西北农林科技大学信息工程学院副203报告厅

二、执行主席

蔡骋

西北农林科技大学教授

西北农林科技大学信息工程学院院长，工学博士后，工学博士，硕士生导师，主要研究方向：机器学习，计算机视觉及多媒体检索。 

三、特邀专家

张艳宁教授，就职于西北工业大学、博士生导师、校长助理、长江学者特聘教授、中组部首批“万人计划”科技创新领军人才、国防973项目首席、IEEE TGRS编委等。主要研究方向为信号与信息处理、计算机视觉与模式识别。

报告内容

报告题目：高分辨率图像智能处理技术

报告摘要：高分辨率观测是目前国家高新技术发展的重点。随着人类对近地空间探索和利用的加剧，分布在近地空间的卫星、空间站和空间碎片也日益增加，迫切需要对航天器工作状态空间碎片进行有效监视，提升航天器自主探测和对空间碎片的预警和规避能力。但是，利用空间平台视觉图像进行空间探测依然存在光学成像分辨率受制约、图像模糊分辨率低等难题，现有图像难以满足看得清、辨得明的应用需求。本报告重点介绍了针对这些难题本科研团队在空间图像高分辨率计算成像、动态耦合降质图像的清晰化重建等方面的创新理论和方法，以及近期研究进展和所获得成果。

李军教授，就职于中山大学、博士生导师、2013年入选中组部青年千人计划，主要研究方向为高光谱图像处理，发表SCI论文60余篇，SCI他引1040次，8篇ESI高被引论文。获IEEE GRSS青年成就奖，担任期刊IEEE JSTAR副编辑，PIEEE、ISPRS JP&RS 等期刊客座编辑；SPIE HPC大会联合主席等

报告内容

报告题目：Spectral Spatial Hyperspectral Classification

报告摘要：In this talk, we will provide a comprehensive overview on the methods belonging to the category of spectral-spatial classification in a relatively unified context. We develop a concept of spatial dependency system that involves pixel dependency and label dependency, with two main factors: neighborhood covering and neighborhood importance. In terms of the way that the neighborhood information is used, the spatial dependency systems can be classified into fixed, adaptive, and global systems, which can accommodate various kinds of existing spectral-spatial methods. Then, we categorize the existing spectral-spatial methods into four paradigms according to the different fusion stages wherein spatial information takes effect, i.e.,preprocessing-based,integrated, postprocessing-based, and hybrid classifications. Typical methodologies are outlined. Finally, experimental results with several representative spectral-spatial classification methods are discussed.

孟德宇教授 ，就职于西安交通大学，博导。任西安交大大数据算法与分析技术国家工程实验室机器学习教研室负责人。共接收/发表论文80余篇，其中包括IEEE汇刊论文20篇，CCF A类会议论文29篇。曾担任ICML,NIPS等CCF A类会议程序委员会委员,AAAI2016，IJCAI2017高级程序委员会委员。目前主要聚焦于自步学习、误差建模、张量稀疏性等机器学习与计算机视觉领域的基础研究问题。

报告内容

报告题目：误差建模原理

报告摘要：传统机器学习主要关注于确定性信息的建模，而在复杂场景下，机器学习方法容易出现对数据噪音的鲁棒性问题，而该鲁棒性问题与误差函数的选择紧密相关。本次报告聚焦于如何针对包含复杂噪音数据进行误差建模的鲁棒机器学习原理。这一原理对在线视频处理、医学图像恢复等问题，已体现出个性化的应用优势，该原理亦有希望能够引导出更多有趣的机器学习相关应用与发现。  

四、会议流程 （主题报告顺序可视情况调整，敬请关注）

09:30—09:35  | 主持人：蔡  骋院长

09:35—09:40  | 欢迎致辞：蔡  骋院长

09:40—10:30  | 特邀报告：张艳宁教授

10:30—11:20  | 特邀报告：李  军教授

11:20—12:10  | 特邀报告：孟德宇教授

五、联系方式：

联系人：宁纪锋

联系方式：15091857187

附：会场路线图

陕西省咸阳市杨凌区西北农林科技大学信息工程学院副203报告厅

西北农林科技大学供稿