2019年度JIG优秀论文新鲜出炉啦！

岁末将至，一年一度的学报优秀评选活动又开始啦~

今天，图图将为大家揭晓——

“2019年《中国图象图形学报》优秀论文”。

根据2018年度学报发表论文在学报官网和各大数据库中的多项指标，综合评选出2019年优秀论文共15篇~

快来看看哪些好成果榜上有名！

1

题目：视觉目标跟踪方法研究综述

作者：葛宝义; 左宪章; 胡永江

单位：陆军工程大学

▲  分层卷积特征

引用格式：葛宝义, 左宪章, 胡永江. 视觉目标跟踪方法研究综述[J]. 中国图象图形学报, 2018, 23(8): 1091-1107.

2

题目：改进的非极大值抑制算法的目标检测

作者：赵文清; 严海; 邵绪强

单位：华北电力大学

▲  Faster RCNN检测流程

引用格式：赵文清, 严海, 邵绪强. 改进的非极大值抑制算法的目标检测[J]. 中国图象图形学报, 2018, 23(11): 1676-1685.

3

题目：生成式对抗网络及其计算机视觉应用研究综述

作者：曹仰杰; 贾丽丽; 陈永霞; 林楠; 李学相

单位：郑州大学

▲  DCGAN深度卷积生成对抗网络

引用格式：曹仰杰, 贾丽丽, 陈永霞, 林楠, 李学相. 生成式对抗网络及其计算机视觉应用研究综述[J]. 中国图象图形学报, 2018, 23(10): 1433-1449.

4

题目：运动目标检测的ViBe算法改进

作者：杨丹; 戴芳

单位：西安理工大学理学院数学系

▲  不同的背景初始化方法的4种算法指标对比

引用格式：杨丹, 戴芳. 运动目标检测的ViBe算法改进[J]. 中国图象图形学报, 2018, 23(12): 1813-1828.

5

题目：视频烟雾检测研究进展

作者：史劲亭; 袁非牛; 夏雪

单位：江西财经大学

▲  视频烟雾检测基本框架

引用格式：史劲亭, 袁非牛, 夏雪. 视频烟雾检测研究进展[J]. 中国图象图形学报, 2018, 23(3): 303-322.

6

题目：结合深度学习和支持向量机的海马子区图像分割

作者：时永刚; 程坤; 刘志文

单位：北京理工大学

▲  不同方法分割结果比较

引用格式：时永刚, 程坤, 刘志文. 结合深度学习和支持向量机的海马子区图像分割[J]. 中国图象图形学报, 2018, 23(4): 542-551.

7

题目：Faster R-CNN在工业CT图像缺陷检测中的应用

作者：常海涛; 苟军年; 李晓梅

单位：兰州交通大学

▲  检测结果准确率

引用格式：常海涛, 苟军年, 李晓梅. Faster R-CNN在工业CT图像缺陷检测中的应用[J]. 中国图象图形学报, 2018, 23(7): 1061-1071.

8

题目：融合判别式深度特征学习的图像识别算法

作者：黄旭,凌志刚,李绣心

单位：湖南大学

▲  测试集特征可视化

引用格式：黄旭, 凌志刚, 李绣心. 融合判别式深度特征学习的图像识别算法[J]. 中国图象图形学报, 2018, 23(4): 510-518.

9

题目：特征融合的双目半全局匹配算法及其并行加速实现

作者：吕倪祺; 宋广华; 杨波威

单位：浙江大学

▲  测试结果图

引用格式：吕倪祺, 宋广华, 杨波威. 特征融合的双目半全局匹配算法及其并行加速实现[J]. 中国图象图形学报, 2018, 23(6): 874-886.

10

题目：结合深度残差学习和感知损失的图像去噪

作者：吴从中; 陈曦; 季栋; 詹曙

单位：合肥工业大学

▲  不同算法的去噪效果对比图

引用格式：吴从中, 陈曦, 季栋, 詹曙. 结合深度残差学习和感知损失的图像去噪[J]. 中国图象图形学报, 2018, 23(10): 1483-1491.

11

题目：遮挡表情变化下的联合辅助字典学习与低秩分解人脸识别

作者：付晓峰; 张予; 吴俊

单位：杭州电子科技大学

▲  本文算法流程图

引用格式：付晓峰, 张予, 吴俊. 遮挡表情变化下的联合辅助字典学习与低秩分解人脸识别[J]. 中国图象图形学报, 2018, 23(3): 399-409.

12

题目：结合分数阶微分和图像局部信息的CV模型

作者：张桂梅; 陈兵兵; 徐可; 储珺

单位：南昌航空大学

▲  不同方法的分割结果

引用格式：张桂梅, 陈兵兵, 徐可, 储珺. 结合分数阶微分和图像局部信息的CV模型[J]. 中国图象图形学报, 2018, 23(8): 1131-1143.

13

题目：多相关滤波自适应融合的鲁棒目标跟踪

作者：陈倩茹; 刘日升; 樊鑫; 李豪杰

单位：大连理工大学

▲  不同方法在不同视频序列上的结果对比

引用格式：陈倩茹, 刘日升, 樊鑫, 李豪杰. 多相关滤波自适应融合的鲁棒目标跟踪[J]. 中国图象图形学报, 2018, 23(2): 269-276.

14

题目：结合深度学习的单幅遥感图像超分辨率重建

作者：李欣; 韦宏卫; 张洪群

单位：中国科学院遥感与数字地球研究所

▲  不同方法重建效果对比

引用格式：李欣, 韦宏卫, 张洪群. 结合深度学习的单幅遥感图像超分辨率重建[J]. 中国图象图形学报, 2018, 23(2): 209-218.

15

题目： 卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估

作者： 黄冬梅; 李明慧; 宋巍; 王建

单位：上海海洋大学

▲  哈德逊湾的地理位置和SAR影像数据集

引用格式：黄冬梅, 李明慧, 宋巍, 王建. 卷积神经网络和深度置信网络在SAR影像冰水分类的性能评估[J]. 中国图象图形学报, 2018, 23(11): 1720-1732.

编辑推荐

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：韩小荷

指导/审核：梧桐君

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。

前沿丨观点丨资讯丨独家

扫描下方二维码 关注学报公众号

中国图象图形学报 | 订阅号

在看点这里