重要信息
会议官网：www.icispp.com
会议时间：2025年3月28-30日
会议地点：南京
简介
由河海大学和江苏大学联合主办的第四届图像、信号处理与模式识别国际学术会议（ISPP 2025) 将于2025年3月28日-30日在中国南京举行。会议主要围绕图像信号处理与模式识别等研究领域展开讨论。会议旨在为从事图像信号处理与模式识别研究的专家学者、工程技术人员、技术研发人员提供一个共享科研成果和前沿技术，了解学术发展趋势，拓宽研究思路，加强学术研究和探讨，促进学术成果产业化合作的平台。
主题
|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 图像信号处理 | 模式识别 |
| 信号处理系统的设计与实现 数字信号处理 图像和多 维信号处理 图像/视频处理和编码 调制和信道编码 图像处理和模式识别 3D 和立体成像 图像压缩、编码和加密 雷达图像处理 图像扫描、显示和打印 声纳信号处理 合成、渲染和可视化 人脸识别 曲面造型 信号重建 超分辨率成像 图像形成 计算机图形/动画 彩色、多光谱和高光谱成像 修复和增强 模式识别和机器学习 过滤和多分辨率处理 传感器阵列和多通道处理 医学影像 | 模式识别中的人工智能技术 生物识别（包括人脸识别） 计算机视觉 数据挖掘和大数据 文件处理与识别 进阶学习方法 线性模型和降维 机器学习方法 模型表示和选择 PR 中的模糊和混合技术 图像处理和分析 模式识别的数学理论 自然语言处理与识别 物体检测、跟踪和识别 模式识别原理 机器人 遥感 形状和纹理分析 统计模式识别 句法和结构模式识别 语音和语音识别 |
参会方式
所有参会人员可申请口头演讲以及海报展示，可开具中英文证明：
①作者参会：提交全文，一篇文章允许一名作者免费参会；
②口头演讲：申请口头报告，时间为15-20分钟；
③海报展示：申请海报展示，A1尺寸，彩色打印（自行打印）；
④听众参会：不投稿仅参会，仍可申请演讲或海报展示；
⑤ 报名参会：报名参会请点击"报名参会"
图像信号处理
- 定义：图像信号处理是对图像信号进行分析、变换、增强、恢复、编码等操作，以改善图像质量、提取有用信息或实现图像的高效存储和传输的技术。
- 主要内容
- 图像增强：通过对比度调整、滤波等方法，提高图像的清晰度、亮度和色彩饱和度等，使图像更易于观察和分析，如直方图均衡化可增强图像的对比度。
- 图像去噪：去除图像在获取或传输过程中引入的噪声，如高斯噪声、椒盐噪声等，常用的方法有均值滤波、中值滤波、小波去噪等。
- 图像复原：根据图像退化的模型，恢复图像的原始面貌，如运动模糊复原、大气散射模糊复原等。
- 图像编码：对图像数据进行压缩编码，减少数据量，便于存储和传输，如 JPEG、H.264 等编码标准。
信号处理
- 定义：信号处理是对各种信号（如声音、图像、电信号等）进行采集、变换、分析、滤波、检测、估计等处理，以提取有用信息、改善信号质量或实现特定功能的学科。
- 主要内容
- 信号变换：将信号从一种域（如时域）转换到另一种域（如频域）进行分析和处理，常用的变换有傅里叶变换、拉普拉斯变换、小波变换等。
- 滤波：通过滤波器对信号进行处理，保留有用频率成分，滤除无用的频率成分，如低通滤波、高通滤波、带通滤波等。
- 信号检测与估计：在噪声背景下检测信号的存在，并对信号的参数（如幅度、频率、相位等）进行估计，常用于通信、雷达、声纳等领域。
模式识别
- 定义：模式识别是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、分类、解释和决策的过程，旨在让计算机能够自动识别和理解模式。
- 主要内容
- 特征提取：从原始数据中提取能够反映模式本质特征的信息，如在图像识别中，可提取颜色、纹理、形状等特征；在语音识别中，可提取梅尔频率倒谱系数等特征。
- 分类器设计：根据提取的特征，设计分类器将模式分为不同的类别，常见的分类器有决策树、支持向量机、神经网络等。
- 聚类分析：将数据按照相似性划分为不同的簇，使同一簇内的数据相似度较高，不同簇之间的数据相似度较低，常用于数据挖掘、图像分割等领域。