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，已在北京、成都、武汉、南京等地的多所高校成功举办23期，受到业界广泛好评。

主办：拉斯维加斯手机娱乐网站 （CSIG）

承办：山东师范大学

          CSIG视频监控与安全专业委员会

          CSIG数字媒体取证与安全专业委员会

时间：2019年5月19日8:30

地点：山东师范大学长清湖校区信息科学与工程学院（文宗楼）506会议室

二、执行主席

孙建德教授

孙建德教授，2005年6月毕业于山东大学通信与信息系统专业，工学博士学位。现为山东师范大学信息科学与工程学院副院长、教授、博士生导师，山东省杰出青年基金获得者。中国计算机学会人机交互专业委员会委员、拉斯维加斯手机娱乐网站 数字媒体取证与安全专业委员会委员等职务。

主要从事多媒体数据处理与内容分析理论及应用研究，主持国家自然科学基金项目2项、省部级项目13项、横向课题3项，参与国家973子课题1项；在IEEE Trans. Multimedia、IEEE Trans. Broadcasting、IEEE Trans. on Circuits and Systems for Video Technology、Neurcomputing等学术期刊及会议发表学术论文167篇，作为第一发明人获美国发明专利1件、中国授权发明专利16件，合作出版中英文专著3部。

三、特邀专家

杨淑媛教授

杨淑媛，西安电子科技大学人工智能学院教授，博士生导师，IEEE Senior Member。长期从事智能目标信息感知与目标解译以及机器学习、深度学习等领域的研究工作，在国际期刊与会议发表相关论文120余篇，其中IEEE Trans.系列期刊（IEEE Trans on Neural Networks and Learning System, IEEE Trans. Cybernetics， IEEE Trans on Image Processing, IEEE Trans on Geoscience and Remote Sensing，IEEE Trans. Circuits Syst. Video Techn.等）发表长文20余篇。合作出版专著5部，完成3项国家自然科学基金，主持12项国家级/省部级科研项目，6项总装预研项目。先后获陕西省科学技术一等奖4项，吴文俊人工智能青年创新奖，电子学会优秀科技工作者称号等，并入选教育部新世纪优秀人才计划、陕西省科技新星计划。

报告题目：基于深度学习的智能信号分析

报告摘要：特征提取是许多信号处理任务的共性问题。现有方法多基于专业背景与先验知识进行人工特征提取，在特征的普适性、鲁棒性、有效性等方面存在诸多限制。最近，基于机器学习的信号处理系统(MLSPS, Machine Learning based Signal Processing Systems)备受关注。作为一种不需要广泛领域知识的现代机器学习技术，深度学习具有整合海量、多源、动态大数据的能力，并且可以从无/少标记数据中进行鲁棒与快速的特征学习，将有望为信号处理领域带来新的发展机遇。本报告介绍几种基于深度学习的信号特征学习方法，以及在信号调制与编码识别、个体识别等方面的应用。

李伟教授

李伟，北京理工大学信息与电子学院教授，博士生导师，IEEE Senior Member。2012年于美国密西西比州立大学获得博士学位，之后在美国加州大学戴维斯分校进行博士后研究，2013年被北京化工大学“高层次杰出人才”引进。主要研究方向为数字图像处理与模式识别研究，具体包括遥感图像处理、医学图像处理以及基于图像的特征提取、模式分类、异常检测、数据重构等。在国际期刊IEEE TGRS、IEEE TIP、IEEE TCYB、IEEE TIM等共发表/录用SCI论文86篇，其中第一/通讯作者47篇，谷歌学术总引用3000余次，H因子29，SCI他引1578次，10篇ESI高被引论文。受邀担任IEEE SPL、IEEE JSTARS等多个国际学术期刊编委和客座编委，2016年获得IEEE地球科学与遥感分会（GRSS）颁发的IEEE JSTARS最佳审稿人奖，2017年入选北京市科技新星计划。

报告题目：基于卷积神经网络的高光谱图像分类技术研究

报告摘要：高光谱图像技术的发展使得遥感对地观测的数据类型越来越丰富但数据量剧增，深度学习模型在图像特征提取方面具有突出优势，它多隐层的多层感知器结构使其能够学习到对数据有更本质的特征刻画。本次报告重点汇报课题组前期利用深度卷积神经网络进行高光谱图像分类的技术研究，包括针对小样本问题的像素对策略，针对提取空谱特征窗口选择问题的多样区域卷积网络策略。此外，汇报如何利用深度卷积神经网络进行多源遥感图像分类的研究工作，包括多分枝卷积神经网络和无监督的端到端网络特征提取方法。前期实验结果显示相比传统方法，深度学习模型可以从遥感图像中获得更多有用信息，从而提高分类精度。

夏桂松教授

夏桂松，武汉大学测绘遥感信息工程国家重点实验室教授，博士生导师。2011年3月获得法国巴黎高科电信学院 (Telecom ParisTech) 博士学位。2011年4月至2012年12月先后在法国巴黎高科电信学院LTCI实验室、法国国家科学研究中心(CNRS)-决策数学研究所(CEREMADE)从事博士后研究工作。2012年12月起在武汉大学测绘遥感信息工程国家重点实验室工作。长期从事图像分析和理解以及模式识别等领域的研究工作，在包括International Journal of Computer Vision (IJCV), IEEE Trans. on Image Processing (TIP), SIAM Journal on Imaging Science (SIIMS), Pattern Recognition (PR), IEEE Trans. on Geoscience and Remote Sensing (TGRS) 等国际权威期刊和CVPR、ECCV、BMVC、ICIP、ICPR等相关国际会议上发表学术论文110余篇。现担任国际期刊Pattern Recognition, EURASIP Journal on Image and Video Processing和Signal Processing: Image Communications副编辑 (Associate Editor)，以及 IEEE Trans. on Big Data , Pattern Recognition Letter, Geo-Spatial Information Science等国际期刊客座编委 (Guest Editor)。2013年入选湖北省楚天学者计划，获得“楚天学子”称号，2014年获得武汉市科技局青年晨光人才项目支持，2017年获得湖北省自然科学基金杰青项目资助，获“第二届中国科协优秀科技论文”奖，2018年获得湖北省自然科学奖二等奖。

施柏鑫教授

施柏鑫，现任北京大学信息科学技术学院数字媒体研究所研究员、博士生导师，“相机智能”课题组负责人；分别于2007年、2010年、2013年从北京邮电大学、北京大学、日本东京大学获得工学学士、工学硕士、博士（信息科学与技术）学位。2017年5月入选中组部“千人计划”青年项目。北京邮电大学信息与通信工程学院兼职教授、博士生导师。2013至2016年曾先后在麻省理工学院媒体实验室、新加坡科技设计大学、新加坡南洋理工大学从事博士后研究，2016至2017年曾在日本国立产业技术综合研究所人工智能研究中心任研究员。曾获2015年国际计算摄像学大会（ICCP）第二最佳论文，发表于2015年国际计算机视觉大会（ICCV）的论文作为当年最优秀论文之一（1700选9）被邀请投稿至计算机视觉国际期刊（IJCV）。担任亚洲计算机视觉会议ACCV18、英国机器视觉会议BMVC19、国际三维视觉会议3DV19等国际会议领域主席；VALSE执行领域主席，CCF计算机视觉专委会委员。

报告题目：单幅图像反射消除：从计算摄像到深度学习

报告摘要：对于隔着玻璃拍摄的带有反射干扰的图像，反射消除技术通过对反射图像的抑制增强背景图像的质量。给定一张混合图像分解出背景和反射两张图像是一个明显的非适定问题，需要额外的先验假设才能求解。传统方法通常依赖基于经验观察的先验假设，这些假设在真实场景中往往不适用，从而影响算法的实用性。本次报告从三方面介绍反射消除的一些新进展，包括单幅图像反射消除基准评测数据集、基于计算摄像和稀疏表达的反射消除算法和基于并发式深度神经网络的反射消除算法。

周琳娜教授

周琳娜，国际关系学院信息科技学院院长、教授，北京邮电大学博士研究生毕业，清华大学博士后。国务院政府津贴获得者，国家重点领域创新团队“特种电子技术研究中心”团队负责人，入选2014年度国家百千万人才工程。主要研究领域为大数据行为分析、信息隐藏、多媒体内容取证。在相关领域发表学术论文40余篇，其中30篇被EI或SCI检索，编辑出版专著3部。作为组织委员会主席，成功组织举办十三届全国信息隐藏学术大会。主持完成3项国家自然科学基金重点和面上项目、多项国家重点科研专项和30余项部级重大科研项目，34次获部级科技进步奖，2006年获国家技术发明二等奖，2009年获国家科技进步二等奖，2016年获国家科技进步二等奖，2011年获国家科技进步一等奖。

报告题目：从内容隐藏到行为隐藏-论AI环境下的信息隐藏变迁

报告摘要：当前的大数据和人工智能环境下，信息及网络安全的对抗已经突破原有的边界模式，进入全新领域。针对大数据人工智能环境下的网络隐蔽空间的内涵和外延，该报告综合了大数据环境下网络痕迹留存、数据脚印提取与网络追踪溯源等技术和方法，从信息内容隐藏、网络行为隐藏、虚拟身份隐藏等方面形成全生命周期的对抗技术链来研究AI环境下的信息隐藏变迁，并以数字图像篡改与取证对抗、隐密与隐密分析对抗为例诠释了大数据AI环境下行为对抗的精彩博弈。

马思伟教授

马思伟，北京大学信息科学技术学院教授，1999年本科毕业于山东师范大学，2005年博士毕业于中国科学院计算技术研究所。2005年8月至2007年8月在美国南加州大学进行博士后研究，之后到北大工作至今。2013年获国家自然科学基金委优秀青年基金项目资助，2015年入选组部第二批青年拔尖人才计划。主要研究方向为视频编码及处理，已发表SCI论文50余篇，已获授权发明专利40多项。担任IEEE Transactions on Circuits and System for Video Technolgoy(TCSVT)、Journal of Visual Communication and Representation(JVAIR)期刊编委(AE)、中国图像图形学会理事、AVS视频组联合组长等。自2002年起，陆续参与组织AVS1、AVS+、AVS2一系列国家标准的制定，目前AVS标准已在国内获得广泛应用。曾获国家技术发明奖二等奖、国家科学技术进步奖二等奖等奖励。

张卫明教授

张卫明，1999年毕业于解放军信息工程大学，并于2005年在该校获得博士学位。现任中国科学技术大学 教授，博导，网络空间安全学院副院长。主要研究兴趣包括媒体内容安全、信息隐藏和数据隐私保护。已在国际学术期刊和会议TIT、TIFS、TIP、TCSVT、TMM、TDSC、TOMM、CVPR、INFOCOM等发表论文100多篇。解决了信息隐藏领域的3个基础编码问题，相关工作被该领域著名学者J.Fridrich教授以作者姓氏命名为ZZW构造，并被收录到剑桥大学出版的数字隐写经典教科书中。主持国家自然科学基金重点项目1项、面上项目2项、青年基金1项，国家863项目1项，研究成果在军队、国家重要部门得到应用。并获得国际应用密码和网络安全会议、ACM信息隐藏与多媒体安全会议、全国信息隐藏暨多媒体安全学术大会等会议论文奖7项。

报告题目：人工智能背景下的信息隐藏技术

报告摘要：信息隐藏是研究如何将信息嵌入各种载体中的技术，可用于隐蔽通信、溯源和版权保护。人工智能的浪潮正在改变信息隐藏的算法设计思路，同时也在不断扩展信息隐藏的应用场景。此报告将介绍信息隐藏与人工智能技术的相互影响。一方面，从两个角度讨论人工智能兴起对信息隐藏的影响：一是基于深度学习设计的隐写和水印算法正在超越传统的方法；二是人工智能使可证安全隐写成为可能，而后者是香农以来学术界一直在追求的目标。另一方面，讨论信息隐藏在深度学习模型对抗攻防中的应用。

四、会议流程

08:30 – 08:35  欢迎致辞：孙建德教授

08:35 – 09:15  主题报告：杨淑媛教授（西安电子科技大学）

09:15 – 09:45  主题报告：李伟教授（北京理工大学）

09:45 – 10:25  主题报告：夏桂松教授（武汉大学）

10:25 – 11:05  主题报告：施柏鑫研究员（北京大学）

11:05 – 14:00  午餐

14:00 – 14:10  合影

14:15 – 15:00  主题报告：周琳娜教授（国际关系学院）

15:00 – 15:45  主题报告：马思伟教授（北京大学）

15:40 – 16:30  主题报告：张卫明教授（中国科学技术大学）

五、联系方式

张凯 zhangkainuc@163.com