（本网消息 图/文 王健吉）2025年5月27日下午，计算机学院第二十三期“启明星讲坛”在10305教室顺利举行。本期讲坛特邀学院青年学者周安然博士作专题学术报告，2024级研究生王翔、王鑫两位同学分别进行了学术汇报。学院青年博士教师及2024级研究生共同参与了此次学术交流活动。
周安然博士介绍了“海洋红外图像目标检测导论与进展”。其研究聚焦于红外图像处理与智能计算，旨在攻克海上红外图像目标检测中海面波动剧烈、局部对比度显著但全局对比度较低等难题。周博士创新性地提出分数傅里叶域内高阶统计量滤波的海上红外目标检测算法，显著提升了海浪波动剧烈场景下的目标检测性能。该算法不仅解决了当前技术瓶颈，还为海洋监测、海上安全等实际应用提供了强有力的技术支撑。
在讨论环节，与会者纷纷提问，围绕算法的理论基础、实现细节以及实际应用前景等方面展开了深入探讨。周博士详细阐述了算法的创新之处以及其在海洋监测、海上安全等实际应用中的潜力，并与参会学者就算法的优化方向、应用场景拓展等关键问题展开讨论，各方观点碰撞，为这一前沿领域的研究提供了新的思路和方向，推动了海洋红外图像目标检测技术向更精准、更高效的发展迈进。
王翔同学介绍了 “Dual-Task Constrained Siamese Convolutional Network for Building Change Detection” 论文，该文提出双任务约束深度孪生卷积网络（DTCDSCN）模型，用于遥感图像建筑变化检测。模型含一个变化检测子网络和两个语义分割子网络，在同一框架下同步进行变化检测与语义分割，聚焦建筑对象级特征，提升特征辨识度，生成更完整变化检测图。同时引入双注意力模块（DAM），利用通道与空间位置相互依赖关系增强特征表达，还改进局部损失函数应对样本不平衡问题，实验显示该方法在精确度、召回率、F1 分数和交并比等指标上达最先进水平。
王鑫同学以“基于Transformer的块内块间双聚合的单图像超分辨率重建网络“为题，介绍了一种创新的块内块间Transformer模块（IITM）。其通过交替捕捉图像局部特征与全局结构相似性，并结合信息交互机制（IIM）实现块间信息与局部细节的互补增强。IIDAN模型在显著降低模型复杂度的同时，成功显式建模了图像全局依赖关系，突破了轻量级模型难以有效捕捉全局特征的长期瓶颈。该模型具有尤为突出的轻量性优势：模型参数量仅为769K，约为传统Transformer模型的80%，同时计算复杂度降低了30%以上。
（编辑 饶涛 责编 刘昶）
