1月4日，應數(shù)學與統(tǒng)計學院邀請,，湖南師范大學文有為教授做客數(shù)學與統(tǒng)計學院牧野格致講堂,，在學院南樓S107以線下形式為學院師生作題為 Image segmentation using Bayesian inference for convex variant Mumford - Shah variational model 的學術報告，相關專業(yè)教師和研究生三十余人參加了此次報告,。報告由數(shù)學與統(tǒng)計學院裴永剛副院長主持,。

在本次報告中，文有為教授首先介紹Mumford-Shah模型是一種經(jīng)典的圖像分割方法,，其基本思想是通過能量泛函的最小化來實現(xiàn)圖像的分割,。然而，由于其非凸性,，優(yōu)化過程面臨挑戰(zhàn),。文有為教授為了解決這一問題，平滑和閾值（SaT）方法提供了一種凸的變體,，通過先對圖像進行平滑處理,，然后使用閾值進行分割。在SaT方法中,，正則化參數(shù)的選擇對分割結果有重要影響,。傳統(tǒng)的試錯法不僅效率低下，而且難以找到最優(yōu)參數(shù),。為了解決這一問題,，文有為教授提出了一種基于貝葉斯推斷框架的方法,，用于估計正則化參數(shù)和經(jīng)過平滑處理的圖像。該方法利用分層貝葉斯模型,，通過貝葉斯定理將先驗知識與觀測數(shù)據(jù)有效結合,，從而在減少計算時間的同時實現(xiàn)高質(zhì)量的圖像分割。貝葉斯推斷框架的優(yōu)勢在于其能夠提供參數(shù)的不確定性估計,，并且可以通過概率模型來更好地處理復雜的數(shù)據(jù)結構,。在圖像分割領域，貝葉斯方法的應用前景廣闊,，尤其是在結合其他先進算法時,，可以進一步提高分割的準確性和效率。

報告結束后,，報告內(nèi)容引發(fā)了與會師生的廣泛興趣和討論,。文有為教授與參會師生進行了互動，大家紛紛提出自己的觀點和問題,，對學生和老師的提問進行了積極的回答,，并給出了未來發(fā)展的方向，現(xiàn)場氣氛十分活躍,，使與會教師和研究生受益匪淺,。

專家簡介：

文有為，湖南師范大學數(shù)學與統(tǒng)計學院教授,，博導,，湖南省計算數(shù)學與應用軟件學會副理事長。獲香港大學博士學位,，曾在新加坡國立大學、香港中文大學從事訪問研究員,、博士后等工作,。主要研究方向為科學計算、數(shù)字圖像處理與計算機視覺,，在SIAM J . Sci . Comput ., SIAM J . Imaging Sciences , Multiscale Model . Simul ., SIAM J . Matrix Anal ., IEEE Trans . Image Process ．等期刊發(fā)表論文30余篇,，主持國家自然科學基金4項。以第一完成人身份,，獲2019年湖南省自然科學獎二等獎,。

 （數(shù)學與統(tǒng)計學院 孫書航 崔魯賓）