彭京亮老师指导的前博士生蒋鹏以及前本科助手潘志一所做的关于图像显著性检测的论文被CCF-A类期刊IEEE Transactions on Image Processing 所录用。论文题目为“Super Diffusion for Salient Object Detection”。此论文为蒋鹏发表在CCF-A类会议IEEE ICCV 2015中的论文 “Generic Promotion of Diffusion-Based Salient Object Detection”的扩展。

    如何从图像中自动检测高显著性的物体是计算机视觉中一个重要且极具挑战性的问题。基于diffusion的方法是图像显著性检测中效果较好的一类方法。本文基于严格的数学分析提出了对于diffusion工作机制的一种新颖解读，揭示了这么一个事实：diffusion的过程实质上是基于diffusion map计算各个节点与种子节点之间相似性的过程。基于这个解读，本文提出一种新颖的基于机器学习的Supper Diffusion的算法框架，可以包容多空间以及多尺度的特征描述。通过有监督学习以及闭式的优化求解，得到最优的特征描述组合。此外，通过数学分析，本文揭示了显著度的diffusion与谱聚类的密切关联，且基于此关联对于diffusion矩阵进行重新合成。实验结果显示，本文提出的算法比相关工作（包括新近发表的基于深度学习的一些方法）达到更高的准确性和鲁棒性。下图展示了本文算法与相关算法在一些测试图像上的实验结果的视觉对比。