报告题目：无监督深度Chan-Vese网络驱动图像分割

报 告 人：庞志峰

报告时间：2026年10月29日（星期四）10:00-12:00

报告地点：龙子湖校区06C502

主办单位：数学学院

报告人简介：庞志峰, 河南大学教授, 博士生导师, 南洋理工大学/香港城市大学博士后, 香港城市大学/香港中文大学/香港理工大学/利物浦大学访问学者, 河南省数理医学学会副理事长. 研究方向医学图像处理, 现主持在研NSFC面上项目1项, 结项主持NSFC和省部级项目7项, 结项横向课题2项, 授权国家发明专利3项, 发表学术论文近50篇.

报告摘要： 本报告汇报一种用于无监督图像分割的无监督深度Chan-Vese网络（Unsupervised Deep Chan-Vese Network (UDCVN)), 该网络将神经网络的统计灵活性与变分正则化的结构精确性相结合. 具体地讲, 在深度CV（DCV）框架的基础上引入一种基于各向异性与各向同性全变分加权差（AITV）的精细正则化项, 进而提出无监督深度Chan-Vese网络（UDCVN）模型. 通过将该DC（凸差）泛函嵌入VAE（变分自编码）驱动的CV目标中, 所提出的UDCVN能够有效捕捉复杂的边缘信息. 为解决由此产生的非凸非光滑优化问题, 采用阈值动力学方法结合单环原始-对偶算法, 以确保计算效率. 数值实验表明, 所提出的UDCVN在多种图像数据集上的分割精度和噪声鲁棒性方面均优于当前最先进的无监督方法。