赵于前

教授 博士生导师

入职时间:1997-06-28

所在单位:自动化学院

职务:中南大学-深兰科技人工智能研究院副院长

学历:博士研究生毕业

办公地点:中南大学科技园研发总部6栋4楼

性别:男

联系方式:zhaocsu@163.com zyq@csu.edu.cn 手机:13975804160 QQ:13152824 Email:zhaocsu@163.com; zyq@csu.edu.cn

学位:博士学位

在职信息:在职

主要任职:湖南省高强度紧固件智能制造工程技术研究中心主任;湖南省机器视觉与智慧医疗工程技术研究中心副主任;湖南省人工智能学会理事

其他任职:中国计算机学会计算机视觉专委会委员;中国图象图形学会视觉大数据专委会委员;中国生物医学工程学会生物医学信息与控制分会委员

毕业院校:中南大学

学科:控制科学与工程
电子科学与技术

学术荣誉:

2013  当选:  教育部“新世纪优秀人才支持计划“入选者

研究领域

当前位置: 赵于前个人主页 >> 研究领域

主要研究领域为计算机视觉、人工智能,专注于图像处理、机器学习、智能传感、智能医疗、人工智能、模式识别、工业图像检测等分支领域的研究。医学图像处理主要在早期肝癌立体定向放疗、肿瘤定位与追踪、肝脏分割、腹部多器官分割、肝脏血管分割与识别、眼底视网膜血管分割、细胞分割等领域取得了一定成果。模式识别在自然场景文本检测、图像篡改检测等领域取得了一定成果。工业图像检测主要研究了泡沫金属材料的缺陷检测。

医学图像分割技术是医学图像处理和分析中的关键技术。从医学研究和临床应用的角度来看,图像分割的目的是将原始的2D或3D图像划分成不同性质(如灰度、纹理等)的区域,从而把感兴趣的区域提取并显示出来,并使它尽可能地接近解剖结果,为临床诊疗和病理学研究提供可靠的依据。

图像分割是一个根据区域内的相似性以及区域间的不同把图像分割成若干区域的过程。然而,医学图像背景复杂多样、噪音较多、器官之间界限模糊、目标器官边缘局部不清晰等问题都阻碍了医学图像分割的发展。实验室针对医学图像分割中的这些难点进行研究,取得了一定的成果,相关论文如下:[1]   Automatic Liver Vessel Segmentation Using 3D Region Growing and Hybrid Active Contour Model. Computers in Biology and Medicine, 2018, 97: 63-73

[2]   Liver vessel segmentation based on centerline constraint and intensity model. Biomedical Signal Processing and Control, 2018, 45: 192-201

[3]   Liver Vessel Segmentation and Identification Based on Oriented Flux Symmetry and Graph Cuts. Computer Methods and Programs in Biomedicine, 2017, 150: 31-39

[4]   Automatic liver segmentation from abdominal CT volumes using graph cuts and border marching. Computer Methods and Programs in Biomedicine. 2017, 143: 1-12

[5]   miR-216b inhibits glioma cell migration and invasion through suppression of FoxM1. Oncology Reports, 2017, 38(3): 1751-1759

[6]   miR-599 inhibits proliferation and invasion of glioma by targeting periostin. Biotechnology Letters, 2017, 39(9): 1325-1333 

[7] Automatic segmentation for cell images based on bottleneck detection and ellipse fitting

[8] A New Approach to Segment Both Main and Peripheral Retinal Vessels Based on Gray-Voting and Gaussian Mixture Model

[9] Retinal vessels segmentation based on level set and region growing

[10] Retinal vessel enhancement based on multi-scale top-hat transformation and histogram fitting stretching

[11] Fuzzy C-means Clustering-based Multilayer Perceptron Neural Network for Liver CT Images Automatic Segmentation

医学图像分割部分结果展示:

     

     (1)肝脏分割结果                (2)肝脏血管三维分割结果          (3)眼底血管分割结果             (4)细胞分割结果

模式识别是指对表征事物或现象各种形式的数值的、文字的和逻辑关系的信息进行处理和分析以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能重要的组成部分。通俗来讲就是使用计算机对目标物体进行分类,识别,其中涉及到机器学习、人工神经网络、深度学习等技术,实验室重点对自然场景文本识别以及图像篡改检测做了研究,取得了一定成果,相关论文如下:

[1] Scene text detection using adaptive color reduction, adjacent character model and hybrid verification strategy

[2] An automatic video text detection method based on BP-adaboost

[3] Tampered region detection of inpainting JPEG images

[4] Detection of tampered region for JPEG images by using mode-based first digit features

[5] Passive detection of copy-paste forgery between JPEG images

[6] Passive Detection of Paint-Doctored JPEG Images

[7] Passive Detection of Copy-paste Tampering for Digital Image Forensics

模式识别部分结果展示:

   

                               (1)自然场景文本检测结果                                         (2)待检测篡改图片                 (3)检测出的篡改区域

工业图像检测使用机器视觉代替人眼,对工业产品进行检测,可以有效提高产品质量,降低产品成本。实验室主要对泡沫金属图像缺陷进行了研究,并取得了一定成果,申请专利如下:

[1] 一种在线检测连续带状泡沫金属材料漏镀缺陷的方法

[2] 一种在线自动检测多孔金属材料空洞缺陷的方法

[3] 一种连续带状多孔金属材料漏镀缺陷区域的定位方法

[4] 连续带状多孔金属材料漏镀缺陷的判定方法

[5] 一种连续带状多孔金属材料漏镀缺陷的检测并定位的方法

泡沫金属图像缺陷部分检测结果展示:

 

        (1)空洞检测结果                      (2)裂缝检测结果