近期，我院服装设计智能化重点实验室鲁棒视觉智能感知技术团队张凯兵老师指导2022级硕士研究生陈珂同学撰写的题为《RMANet: Refined-mixedattentionnetwork forprogressivelow-lightimageenhancement》的学术论文在国际期刊《Signal Processing》（DOI:10.1016/j.sigpro.2024.109689，中科院工程技术领域SCI二区期刊）上发表。

该论文针对低光照度场景下弱光图像增强模型的稳健性问题，提出了一种由粗到精的渐进式多尺度特征融合方法。该方法首先分析了利用多尺度局部与非局部特征融合策略对增强弱光图像效果的影响，针对弱光图像在特征提取阶段退化特征易扩散的问题，设计了一种渐进式多尺度特征融合网络弱光图像增强框架，以层次级联的方式进行跨尺度特征融合，从而合理利用丰富的多尺度全局和局部深度特征；为提高算法对不确定弱光场景的适应性，引入自适应多维特征选择策略，对融合后的特征进行自适应选择和重新校准，减少冗余特征；考虑到弱光图像恢复问题的复杂性，该方法设计了多重损失函数对模型参数进行优化。该研究成果对弱光场景下的视频监控、智能交通和社交媒体等应用领域具有重要的实际应用价值。（撰稿：张凯兵 审核：薛涛 闫小兵）

人物链接：

陈珂个人简介

陈珂，男，2021年毕业于黄淮学院，2022年考入1066vip威尼斯电子信息学院电子信息专业攻读硕士研究生。获第十九届中国研究生电子设计竞赛西北赛区二等奖，1066vip威尼斯数学建模竞赛一等奖。研究方向为模式识别与人工智能、深度学习、弱光图像增强。

张凯兵个人简介

张凯兵，男，模式识别与智能系统专业工学博士，信息与通信工程学科博士后，悉尼科技大学访问学者。担任IEEE Signal Processing Letters、Information Sciences、IEEE Transactions on Cybernetics Pattern Recognition、IEEE Trans. on Image Processing等多个国际期刊的审稿人。近5年来，在IEEE TIP、IEEE TNNLS、IEEE TCSVT,Neural Networks、Neurocomputing、Signal Processing (Elsevier)、Applied Soft Computing、Applied Intelligence、CVPR和ICIP等国际期刊和会议发表论文40余篇，Google Scholar引用3280余次，单篇引用660次，ESI高被引论文5篇。承担国家自然科学基金面项目2项、中国博士后科学基金特等和一等资助各1项、陕西省自然科学基金重点研发计划1项，联合承担陕西省重点研发计划重点产业创新链项目1项。获陕西省科学技术奖一等奖，教育部高等学校科学研究优秀成果奖二等奖，陕西省高等学校科学技术一等奖。主要研究方向：影像超分辨重建及质量评价、复杂环境下的计算机视觉检测与分析（弱光图像增强、微小目标检测、运动去模糊）、跨模态人脸合成与识别、智能视频分析与理解、深度学习与模型压缩、跨域自适应迁移学习等。