个人信息

周文俊

博士，讲师，硕士导师

邮箱：zhouwenjun@swpu.edu.cn

地址：成都市新都区新都大道8号 西南石油大学计算机科学学院 图像处理与并行计算研究中心

教育经历

• 日本北海道大学 系统信息科学 博士 信息科学研究科 2016.10 - 2019.09 导师：金子 俊一 教授
• 日本北海道大学 系统信息科学 研究生 信息科学研究科 2015.10 - 2016.09
• 沈阳化工大学 控制科学与工程 硕士 信息工程学院 2012.09 - 2015.03
• 四川农业大学 农业电气化与自动化 本科 信息工程技术学院 2008.09 - 2012.06

  研究经历

  面向动态背景视频下的前景检测方法研究 2015.10-2019.09

• 提出了一种基于共现性像素块对（Co-occurrence Pixel-Block Pairs:CPB）的新的背景建模方法。针对前景检测中的 背景变化问题，例如光照变化或背景运动，通过利用共生“像素到块”结构，CPB通过学习背景中的变化信息来提取 每个像素点的空间及时域信息，建立一个针对每个像素点的预期背景模型。然后，采用了一个高效的评估策略来识别 每个像素点的当前状态，并对其进行前景或背景的分类，这种策略被命名为相关性决策函数。这种新的背景模型拥有极强的抗动态背景干扰能力。此外，还引入一种降解修正假说（Hypothesis on Degradation Modification:HoD）来增强CPB模型结构的鲁棒性，进一步提高了算法的性能。这种新的前景检测算法对光照变化或背景运动具有极强的鲁棒性。CPB是一种新的机器视觉领域中用于分类的特征，其不仅能够运用于视频中的前景提取，也能够在更多机器视觉领域进行应用的，如：缺陷检测，视频监控，背景复原及图像匹配等。

  PCB基板内高速连接器引脚弯曲检测 2018.10-2019.05

• 合作企业：华为日本
• 针对华为5G通讯高速连接器，其PCB引脚的连接问题，与华为日本研发中心合作，主研相关产品的PCB基板内高速连接器引脚弯曲检测技术。

  面向视频监控的鲁棒背景初始化及其应用 2020.04 - 至今

• 西南石油大学“启航计划”项目
• 针对现实场景中的视频监控应用，特别是复杂场景下的视频监控，通过对场景的特点及信息，进行鲁棒初始化构建。实现一种在光照变化、动态背景、前景间歇运动等复杂场景下的鲁棒背景初始化算法，能够有效的对场景的背景信息进行复原或重构，从而或缺无前景物体信息的完好清晰视频序列。以此背景初始化算法为基础，将其应用于复杂场景下的异常行为检测中，如公共监控场景下的异常行为检测，海上运输安全预警，石油化工码头或工厂安全监控等计算机视觉应用。

  应用于编码激励信号中弹性检测的空间-时间域相关性方法研究 2019.12-至今

• 合作：彭博 西南石油大学
• 提出了一种基于超声信号空间-时间域相关性编码的超声射频运动估计方法。利用超声信号时空相关性特征，对信号编码从而减少弹性运动检测中的峰值跳变误差，以提高超声弹性成像中位移图像的检测质量。

  一种鲁棒对比度特征提取算子研究及其应用 2020.03-至今

• 合作：项圣 浙江工业大学
• 提出了一种对比度值算子 (contrast value operator：cvo)，可用于鲁棒图像模板匹配及搜索中，其能够有效地从图像中提取出纹理信息并进行更精细的结构呈现。cvo的有效设计，可用于各种机器视觉的工业应用中，如缺陷检测、物体搜索、工件识别等。

  云雾环境下飞行器结冰视觉检测方法研究 2021.01-至今

• 探索云雾环境下飞行器结冰视觉检测方法，采用视觉感知的机制进行云雾环境下结冰的检测与识别。

  学术论文

• Zhou, Wenjun, Xiaoyi Lu, and Yang Wang. “A Robust Pupil Localization via a Novel Parameter Optimization Strategy.” Wireless Communications and Mobile Computing 2022 (2022). (SCI)
• He Y, Xiang S, Zhou W*, et al. A Novel Contrast Operator for Robust Object Searching[C]//2021 17th International Conference on Computational Intelligence and Security (CIS). IEEE, 2021: 309-313.
• Yuheng Deng, Wenjun Zhou*, Bo Peng, Dong Liang, Shun’ichi Kaneko, “Robust Spatial-Temporal Correlation Model For Background Initialization In Severe Scene,” ICASSP 2021 - 2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), 2021, pp. 2415-2419. (EI, CCF B类)
• W. Zhou, S. Kaneko, Y. Satoh, M. Hashimoto, and D. Liang, “Foreground Detection based on Co-occurrence Background Model with Hypothesis on Degradation Modification in Dynamic Scenes,” Signal Processing, 160, pp. 66-79, 2019. (SCI, IF: 4.384)
• H. Asano, T. Oikawa, W. Zhou, H. Takauji and S. Kaneko,’‘Existence-and-Absence Detection and OrderDependent Convergent Search for Fast Search of Feature Patterns,’’ Journal of the Japan Society for Precision Engineering (JSPE), 2019 (In Japanese, Accepted). (EI)
• W. Zhou, S. Kaneko, D. Liang, M. Hashimoto, and Y. Satoh, “Background subtraction based on co-occurrence pixel-block pairs for robust object detection in dynamic scenes,” IIEEJ transactions on image electronics and visual computing, vol. 5, no. 2, pp. 146–159, 2017.
• W. Zhou, S. Kaneko, M. Hashimoto, Y. Satoh, and D. Liang, “Foreground Detection based on Co-occurrence Background Model with Hypothesis on Degradation Modification in Background Changes.” 2018 12th France-Japan and 10th Europe-Asia Congress on Mechatronics. IEEE, 2018, pp. 77-82. (EI)
• W. Zhou, S. Kaneko, M. Hashimoto, Y. Satoh, and D. Liang,”A Co-occurrence Background Model with Hypothesis on Degradation Modification for Object Detection in Strong Background Changes,” in Proceedings of the 24th International Conference on Pattern Recognition (ICPR) on 2018, pp. 1743-1748.(EI, CCF C类)
• W. Zhou, S. Kaneko, M. Hashimoto, Y. Satoh, and D. Liang, “Co-occurrence background model with hypothesis on degradation modification for robust object detection,” in Proceedings of the 13th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications - Volume 5: VISAPP, 2018, pp. 266–273. (EI)
• W. Zhou, S. Kaneko, M. Hashimoto, Y. Satoh, and D. Liang, “Co-occurrence based Foreground Detection with Hypothesis on Degradation Modification in Severe Imaging Conditions,” Precision Engineering Society Fall Conference 2018，September 5-7, 2018, Hakodate, Japan.
• W. Zhou, S. Kaneko, M. Hashimoto, Y. Satoh, and D. Liang, “Co-occurrence Background Model with Model Modification based on Hypothesis on Degradation for Robust Object Detection,” in Proceeding of Vision Engineering Workshop 2017, December 7-8, 2017, Yokohama, Japan.
• W. Zhou, S. Kaneko, D. Liang, M. Hashimoto, and Y. Satoh, “Co-occurrence Pixel Block Pairs Background Subtraction for Object Detection by Introduction of Hypothesis-based Modification,” in Proceeding of Vision Engineering Workshop 2016, December 8-9, 2016, Yokohama, Japan.
• W. Zhou, S. Kaneko, D. Liang, M. Hashimoto, and Y. Satoh, “Co-occurrence Pixel Block Pairs Background Subtraction for Object Detection in Dynamic Scene,” in Proceeding of the International Symposium on Optomechatronic Technology 2016, November 7-9, 2016, Tokyo, Japan.

  研究方向

• 图像处理（特征提取）
• 计算机视觉（目标提取与识别）
• 超声信号处理（超声弹性成像）
• 机器感知

  其他

• SCI期刊 “Artificial Intelligence Review”，”Pattern Recognition”及”Computer Vision and Image Understandting”审稿人
• CCF YOCSEF成都20-21届通讯AC委员