Low/High-Level Vision Fusion in Remote Sensing and Medical Image Analysis: Algorithms, Applications, and Benchmarks

课题名称: Low/High-Level Vision Fusion in Remote Sensing and Medical Image Analysis: Algorithms, Applications, and Benchmarks
学科专业: 计算机科学
课题关键词: 高低层视觉融合遥感图像分析医学图像分析
辅导模式: 1对1
发表目标: SCI期刊1-2区 CCF-B/C
课题介绍: 在计算机视觉领域，低层视觉特征（如纹理、边缘、颜色）与高层语义信息（如目标类别、场景属性）的有效融合是提升复杂图像分析性能的关键技术。传统单层次特征提取方法难以兼顾细节表征与语义理解，导致在遥感与医学影像等专业领域的应用中存在瓶颈。遥感图像面临分辨率差异、噪声干扰及复杂场景解译难题，医学影像则对病灶定位精度与病理语义分析有极高要求。近年来，随着深度学习的发展，基于多尺度特征融合的算法在图像分类、目标检测及分割任务中展现出优势，但低层细节与高层语义的动态平衡机制、跨模态数据异构性处理及融合策略有效性评估等问题仍需深入研究。相关研究尚缺乏系统梳理，尤其在遥感与医学影像的共性需求与差异化解决方案方面，亟需构建统一的理论框架与 benchmark 体系以推动技术发展。

导师信息

QS100名校博士

研究领域：计算机视觉,时间序列,联邦学习,人工智能,AI4Science 学术成果：发表20篇优质期刊/会议一作论文，包括 IEEE TGRS、IEEE JBHI、IJCAI 等；长期担任多个顶级期刊/会议审稿人，包括 IEEE TNNLS、IEEE TKDE、CVPR、ICCV等。

面向具有相关学科背景与研究兴趣的学习者，具体要求以课题导师评估为准。