CCF广东工业大学学生分会举办“图像超像素分割及压缩方法研究”学术讲座

CCF广东工业大学学生分会于2025年12月25日（星期四）下午成功举办了主题为“图像超像素分割及压缩方法研究”的学术讲座。这场讲座的报告人是广东工业大学计算机学院的校聘副教授袁茜茜。她于2021年8月博士毕业于澳门科技大学，2021年11月加入深圳大学信息与通信工程博士后科研流动站从事博士后研究工作。2024年6月通过广东工业大学青年百人计划入职。长期从事图像处理和计算机视觉相关方面研究。累计发表SCI/EI论文10余篇。

在此次讲座中，袁老师详细介绍了图像分割的基础理论及其在现代计算机视觉任务中的核心地位。她通过对比图像分类、目标检测与图像分割的差异，明确了分割技术在实现像素级精准定位中的关键作用。针对目前的主流技术，她系统地梳理了从基于阈值、分水岭的传统区域方法，到基于深度学习的语义、实例及全景分割方法的演进历程。并且还讲述了基于超像素的计算机视觉在各个领域的应用。

接着，袁老师重点阐述了超像素分割的核心价值。她详细讲解了SLIC（简单线性迭代聚类）算法的实现逻辑，即通过颜色与空间的相似性将像素点聚类为具有视觉意义的子区域。

随后，她介绍了一系列前沿的几何分割方法，展示了技术如何从早期的TurboPixel发展到具有拓扑结构的快速晶格超像素算法。她强调，基于凸多边形或三角网格的几何分割不仅能更好地感知图像几何信息，且在处理含有人造结构的复杂图像时表现出更强的稳定性与紧致性。

在应用展示环节，袁老师分享了其研究在多个前沿领域的实践成果。首先，她介绍了基于图像三角网格分割的遮挡检测技术和图像重定向技术。前者通过光流矢量映射与亮度变化分析，该算法能有效识别视频序列中的物体遮挡情况，后者利用显著度约束，确保图像在改变长宽比时，主体目标不发生扭曲变形。

然后，在信息安全邻域中，她提出了一种基于自适应三角剖分的秘密图像分存方法。该方法先对图像进行三角剖分，再利用二次多项式函数对三角形顶点像素进行加密，并将非加密点设为随机灰度值；然后通过提取任意k份图像分存，利用拉格朗日插值多项式计算恢复出原始三角形顶点的像素值，最终拟合还原出完整的秘密图像，从而实现了图像的高效加密与精准恢复，在保证安全性的同时显著优化了编解码时间。

在讲座的小结部分，袁老师对图像超像素几何分割进行总结，她认为，这种基于几何单元的表示方法打破了传统像素处理的颗粒度限制，其凸多边形结构保证了区域的紧致性，能够有效抵御成像噪声的干扰，并且网格化表示向多尺度分析提供了天然的层级结构，为之后图像压缩和空间计算的研究提供新的契机。