报告题目：视线追踪技术及其在图像分类中的应用
报 告 人：王加俊教授苏州大学
时间：2017年3月14日（周二）下午2:30
地点：C205
举办单位：电子与信息工程学院
个人简介：
王加俊，男，1969年11月生，博士，教授，博士生导师。1999年毕业于浙江大学生物医学工程专业，并获博士学位。1999年7月起就职于苏州大学电子信息学院，先后任讲师、副教授、教授职务。2006年被聘为苏州大学“信号与信息处理”专业首批博士生导师。曾多次前往澳大利亚悉尼大学、香港理工大学、香港城市大学进行学术交流与访问，担任研究助理、研究员和访问教授等职务，并和这些知名高校保持着长期合作关系。主要研究方向包括：图像重建，图像处理与模式识别（包括图像分类、图像检索、图像配准等），生物信息学。主持国家自然科学基金项目2项，江苏省自然科学基金2项，苏州市自然科学基金项目一项，是江苏省“六大高峰人才”项目获得者。至今，在国际、国内期刊或重要学术会议上发表论文50余篇。
报告内容：
基于内容的图像分类是图像检索、图像识别、图像过滤等技术的关键，已成为模式识别领域中的一个重要研究方向，它的目的是将图像数据按照自身的特征进行分类。当前，随着图像数据朝着大规模，高维度化的方向发展，这给传统的图像分类带来了严重的挑战。过高的特征维数一方面容易产生“过学习现象”，另一方面特征间的冗余性会严重影响学习算法的速度，降低算法在后续应用中的性能。所以特征选择在图像分类处理过程占据着举足轻重的地位。通过高效的特征选择，去除不相关或者冗余特征，可以提高分类的准确性，加快算法的运行效率。尽管借助于完善的数学算法，大部分现有的特征选择算法已取得了较好的性能，但是，人类本身却很少参与到特征选择中，对于图像识别来说这点往往又显得特别重要。由于人类在目标识别上的超强能力，通过对人眼处理视觉特征机制的研究，找到人类在物体识别过程中所使用的视觉特征子集，无疑对提高图像分类的性能具有很大的帮助。为此，我们引入了视线追踪技术，利用眼动数据提取出人类在对图像进行分类时所注视的图像区域（感兴趣区域， ROI）并以此作为样本集，利用量子遗传算法对视觉特征进行粗选。为了平衡算法的效率和分类性能，我们结合Filter类方法的高效率和Wrapper类方法的高性能优点，提出了一种混合算法（mRMR-SVM-RFE算法）用于图像特征的精选。大量的实验证明：眼动数据的引入可以在很大程度上提高图像分类的性能。
