2018年10月7日至10日，计算机所胡玮老师赴希腊雅典参加了第25届国际图像处理会议（IEEE 25th International Conference on Image Processing, 简称：ICIP 2018）。ICIP会议由IEEE Signal Processing Society主办，自1994以来每年举办一次，汇集了来自世界各国图像和视频处理领域中领先的科学家和工程师。该会议作为重要论坛展示了图像视频处理和计算机视觉领域的最新理论研究和工程研发成果。

本次会议包含Keynote、Lecture、Poster和Tutorial等多个环节。内容涉及图像恢复、增强和防伪、三维图像视频处理、计算机视觉等多个方面。

计算机所数字视频实验室师生在本次会议发表了4篇论文，分别涉及了三维点云修复，恢复不均匀照明图像，压缩伪影去除，和不规则采样数据的编码。其中前两篇进行了海报展示，后两篇进行了口头报告。论文的具体信息如下：

[1] Zeqing Fu, Wei Hu, Zongming Guo, “Point Cloud Inpainting on Graphs from Non-local Self-similarity”

本文基于图信号处理和点云的全局自相似性，提出了一种有效的点云修复方法。具体而言，本文将点云切割为固定大小的立方体作为处理单元，并在全局范围内搜索与含有缺失区域的目标立方体最相似的立方体。最后，本文基于选定的最相似的立方体将缺失区域的填充步骤公式化为一个优化问题，并通过图信号平滑先验进行正则化。实验结果表明，本文提出的方法在客观和主观质量方面均优于三种竞争方法。

胡玮老师在做论文的海报展示

[2] Mading Li, Xiaolin Wu, Jiaying Liu, Zongming Guo, “Restoration of Unevenly Illuminated Images”

本文解决了恢复不均匀照明图像的问题，使用三分量广义高斯混合模型（3GGMM）来拟合照度图像的直方图，并概率地表征欠曝光，正常曝光和过度曝光三种曝光状态。 基于3GGMM，通过最大化这些区域的预期对比度来增强欠曝光和过曝光区域，从而实现单独的最佳色调映射功能。最终通过将恢复结果融合在不同的曝光状态来获得输出照明。实验结果验证了所提出的图像恢复方法的有效性。

[3] Xiaoshuai Zhang, Wenhan Yang, Yueyu Hu, Jiaying Liu, “DMCNN: Dual-Domain Multi-Scale Convolutional Neural Network for Compression Artifacts Removal”

本文通过在许多情况下扩大卷积神经网络的感受野来使JPEG图像压缩的输出图像的质量显着改善。进一步，我们提出了双域多尺度CNN（DMCNN），以充分利用像素和DCT域上的冗余。 实验表明，DMCNN为JPEG工件移除任务设定了新的最新技术。

胡玮老师在做口头报告

[4] Weihang Liao, Gene Cheung, Wei Hu, “Path Coding on Geometric Planar Graph for 2D/3D Visual Data Partitioning”

本文提出了一种通用方法来编码路径，通过一个几何平面图（二维图像中轮廓的一般化）来在2D / 3D空间中划分不规则样本。然后使用编码的分区边界来分配连接边界上的样本的边以适当权重，实现有效的基于图的编码。实验结果表明，本文方法在2D网格上优于最先进的轮廓编码，在3D情况下优于均匀的概率分配。