科研学术

　　近日，我校电子工程学院李纯明教授为第一作者的科研论文《Distance Regularized Level Set Evolution and its Application to Image Segmentation》（距离正则水平集演化及其在图像分割中的应用）荣获2015年IEEE信号处理学会最佳论文奖。

　　IEEE信号处理学会（IEEE Signal Processing Society）是IEEE所属的最主要的学会之一，该学会颁发的最佳论文奖也是信号处理（含图像处理）领域最有影响力的国际学术奖项之一。该奖项每年从过去5年的IEEE信号与图像相关的多个著名期刊中，经权威专家评选出不超过6篇最佳论文。此次李纯明教授获奖的论文于2010年发表在图像处理领域顶级期刊IEEE Trains. Image Processing(TIP)上。值得一提的是，李纯明教授曾于2013年获得该奖项，此次也是李纯明教授加盟我校后，个人第2次荣获该奖。

　　图1论文中提出的方法即使对于非正则的初始化水平集函数（其水平集如图a所示），都能通过内在的距离正则化的作用下把水平集函数从非正则的初始化演化成具有良好正则性的函数（图b）及其相应的水平集曲线（图c），其中0水平集就是理想的分割结果。而传统的水平集方法即使对于具有良好正则性的初始化水平集函数（其水平集如图e所示），其迭代过程都无法自动维持水平集函数的正则性，从而演化成非正则性的水平集函数（图f），相应的不规则分布的水平集如图g所示，其中0水平集(图h)就是对应的结果。

　　李纯明教授在该论文中提出了一个新的水平集方法，称为“距离正则化水平集方法”，首次克服了传统水平集方法中的水平集函数不能自动维持正则性的缺陷。水平集方法作为图像分割的主流方法之一，具有分割精度高、无需对曲线参数化和易于高维推广等优点。然而，传统水平集方法中的迭代过程通常会产生水平集函数的非正则性（如图1所示），从而破坏迭代算法的稳定性，因此需要在迭代的过程中周期性地加入一个叫做“重新初始化”的步骤，通过强制改变水平集函数值来保持其正则性，从而维持水平集函数迭代的稳定性。而“重新初始化”实际上是一种理论模型和算法实现不一致的做法，它不仅在水平集方法的应用中带来了人为的不确定因素，而且大大增加了算法的计算量。

　　为了克服水平集方法存在的这个缺陷，李纯明教授提出了一个新的水平集方法，巧妙地用双阱势（double-well potential）对水平集函数的梯度模进行约束，在基于变分原理的框架中建立了距离正则化水平集方法。该方法首次在理论和算法实现上都保证了水平集函数自动保持近似符号距离函数的良好性质，从而有效地维持了水平集函数迭代过程的稳定性，因此不再需要传统水平集方法中的 “重新初始化”的步骤。

　　该论文中提出的方法具有理论模型简洁优美、算法实现简单以及数值计算稳定等优点，极大地简化了水平集方法的算法，并显著提高了计算速度。此项工作为水平集方法的发展做出了突破性的贡献，国内外众多学者后续在该方法的基础上做了大量工作。该论文自2010年发表以来，他引次数已超过690次。

相关链接：

　　李纯明教授于2005年获美国康涅狄格大学电子与计算机工程系博士学位，随后在美国著名的范德比尔特大学和宾夕法尼亚大学从事图像处理和医学影像分析的研究工作，2014年入选电子科技大学第四批校“百人计划”，目前担任电子工程学院教授、博士生导师，还担任东北大学兼职教授，南京军区总医院客座教授，应邀担任著名期刊IEEE TIP的副主编。李纯明教授在图像分割（图像处理、计算机视觉与医学图像分析中最重要、最基础性的课题之一）和水平集方法的研究中作出了重要贡献。截至目前，李纯明教授以第一作者身份发表了一系列原创性的关于图像分割与水平集方法的学术论文，产生了广泛的国际影响，频繁地被各国学者引用，论文总他引次数超过5000次，其中一篇论文单篇他引次数1800多次。