个人资料
院部/部门：机电工程学院

性别：男
电子邮箱：wgr@suda.edu.cn
专业技术职务：
办公地址：机电工程学院
毕业院校：南京理工大学


邮编：




教育经历


工作经历



个人简介
个人简介：
翁桂荣，男，1963，教授，1985年毕业南京理工大学，从事图像处理、生物信息等方面的科学研究。
2016年以来，主要研究的方向为不均匀性图像分割，共发表了十多篇SCI论文。
目前已经在《Signal Processing》(一区ToP 二篇)、《Knowledge-Based Systems》(一区ToP)、《Computers and Mathematics with Applications》(二区ToP)、《Neurocomputing》(二区ToP)上共发表了Top论文五篇。
另有多篇发表在二区《Digital Signal Processing》、《Signal Processing: Image Communication》上。
Active contours driven by region-scalable fitting and optimized Laplacian of Gaussian energy for image segmentation [J]. Signal Processing. 134 (2017).一文，在Signal Processing (一区 Top) 近五里被引频次排名为第60名，近四年的统计为33名(统计工具为 Web of Science, 统计时间为2020.3)。
* SCI分区数据来自2020年1月中科院更新版






社会职务
社会职务：


研究领域
研究方向：图像处理、数据处理、神经网络。
关于图像分割：
图像分割：基于区域图像分割算法的兴起已经十多年了，图像分割特别是医学影像经常出现灰度不均匀现象，因此，分割仍然困难。
当前图像分割的热点有二个：一是偏场矫正理论--传统方法；二是用深度学习方法，此模型需要一个强大的数据库(几万-十万张相同类的图库)，阿里的马云进入此领域不久并取得有效成果(冠脉MR image 分割)。
目前(2018年)我们研究用下面的偏场矫正理论对图像进行分割：
对于图像分割中的灰度不均匀性问题，我们认为，可以将观察到的图像I(x)描述成一种合成图像模型，该模型将灰度不均匀性分解为图像的一个分量。我们可以将灰度不均匀性与真实图像内稟成分(intrinsic component)特性的乘法模型。因此，图像可以被建模为：
I(x)=J(x)*b(x)+n(x) (1)
其中，J是真实图像，b是灰度不均匀的分量，n是附加噪声。
假定b偏场(或阴影图像)为缓慢变化的(如X-ray image, MR image),且真实图像J 反映了图像对象的内稟(intrinsic)物理特性，因此，在局部区域内，可以将J(X)假定为拟合常数。
计算出公式中的b(x)及J(x)的最佳估计值，就能找出目标对象的轮廓线。
但是，由于是b*J是乘法模型，在局部区域内，计算偏场b及拟合常数J需要大量的运行开销(大量的卷积运算)，另外，其模型对光照不均、较强噪声、弱信号等是比较敏感的。
我们的创新方法是：预先在迭代计算前，快速找出局部区域的拟合偏场b的估计值by或者拟合常数J的估计值Jy，这样b*J就转换为by*J或b*Jy模型。新的模型就成为一种加性形式，大大简化了计算开销，另外预估计值如果有误差，模型会通过另一个参数自行调整，使得总误差趋于零(I-by*J-->0或I-b*Jy-->0)。通过我们前期研究，目前找到局部区域模糊C聚类估计出by的方法，解决了光照不均、较强噪声、弱信号对分割的影响，并发表在Neurocomputing,2019等国际刊物上。但我们认为还可以进一步提高其效率及鲁棒性，例如找出高效的by计算方法，还有如何计算估计值Jy的方法等。
另外一个问题，传统的主动轮廓模型中的长度项及规则项严重影响系统的鲁棒性，特别是长度项，因此，我们提出创新方法来改善之，部分验证已经发表在Signal Processing,2019等刊物上。长度项的功能是平滑轮廓线及消除虚假的小目标，保证轮廓线有效到达分割目标边界，我们提出用类似于局部区域滤波方法达到此目的。而规则项的功能是保持轮廓线在过零处的有足够的敏感性，同时其他区域保持一定的距离并符号相反，目前我们已经设计出几种函数满足其要求，但要实验去证明其有效性。
例如：冠动脉, 心脏, MR image,Ultrasound image, X-ray image, Fluorescence image 等。



1、Bin Dong, Ri Jin, Guirong Weng * . Active contour model based on local bias field estimation for image segmentation [J]. Signal Processing: Image Communication.(SCI 二区). https://doi.org/10.1016/j.image.2019.07.001. (2018年九月入学的研究生，2019年5月投稿,7月录用并正式发表) Volume 78,2019, Pages 187-199.
2、Ri Jin, Guirong Weng *. A robust active contour model driven by pre-fitting bias correction and optimized fuzzy c-means algorithm for fast image segmentation[J]. Neurocomputing (SCI 二区 Top ,2019年4月投稿,6月录用并在线发表). Volume 359, 24, 2019, Pages 408-419. DOI:10.1016/j.neucom.2019.06.019.




开授课程
开授课程：1、数字图像处理,研究生,2020年2月-2020年6月,15人,54

课程教学（旧版）：数字图像处理、电子技术基础（模电、数电）



科研项目



论文
论文：1、一种自适应初始轮廓的水平集演化方法的研究,电子学报,Ei ,2017,翁桂荣 ,苏州大学,朱云龙,钱森,翁桂荣* ,苏州大学, 2017. 45.11, 2728-2733
2、Robust active contours for fast image segmentation,ELECTRONICS LETTERS,SCI ,2016,Ding Keyan,Soochow University,Weng Guirong,Weng Guirong* ,Soochow University,29th September 2016 Vol. 52 No. 20 pp. 1687–1688
3、 Active contours driven by region-scalable fitting and optimized Laplacian of Gaussian energy for image segmentation,Signal Processing,SCI 一区 Top ,2017,Ding Keyan,Soochow University,Linfang Xiao,Weng Guirong,Weng Guirong* ,Soochow University,134, 224–233
4、Active Contours driven by Local Pre-Fitting Energy for Fast Image Segmentation with Intensity Inhomogeneity ,Pattern Recognition Letters,SCI ,2017,Ding Keyan,Soochow University,Weng Guirong,Weng Guirong * ,Soochow University,104:29-36
5、 Level set evolution driven by optimized area energy term for image segmentation ,Optik,SCI ,2018,Zhang Xinyu ,Soochow University,Weng Guirong,Weng Guirong * ,Soochow University,168 , 517–532
6、K-means clustering-based active contour model for fast image segmentation,Journal of Electronic Imaging ,SCI ,2018,Guo Yu ,Soochow University,Weng Guirong,Weng Guirong * ,Soochow University,27(6) 063013,1-11
7、 Active contour model based on fuzzy c-means for image segmentation,Electronics Letters ,SCI ,2019,Jin Ri,Soochow University,Weng Guirong,Weng Guirong * ,Soochow University,55(2019).84-86
8、A robust active contour model driven by fuzzy c-means energy for fast image segmentation,Digital Signal Processing ,SCI 二区,2019,Jin Ri,Soochow University,Weng Guirong,Weng Guirong *,Soochow University,90(2019)100–109
9、Active contours driven by adaptive and fuzzy c-means energy for fast image segmentation,Signal Processing ,SCI 一区 Top ,2019,Jin Ri,Soochow University,Weng Guirong,Weng Guirong * ,Soochow University,2019. 163, 1-10
10、Active contour model based on local bias field estimation for imagesegmentation. ,Signal Processing: Image Communication. ,SCI 二区 ,2019 ,Dong Bin ,Soochow University,Jin Ri,Weng Guirong,Weng Guirong * ,Soochow University,78 (2019) 187-199
11、A robust active contour model driven by pre-fitting bias correction and optimized fuzzy c-means algorithm for fast image segmentation,Neurocomputing ,SCI 二区 Top ,2019 ,Jin Ri,Soochow University,Weng Guirong,Weng Guirong * ,Soochow University,359 (2019) 408–419
12、Active contour model based on improved fuzzy c-means algorithm and adaptive functions,Computers and Mathematics with Applications,SCI 二区 Top ,2019,Jin Ri,Soochow University,Weng Guirong,Weng Guirong* ,Soochow University,78(2019) 3678-3691
13、基于自适应符号函数的主动轮廓模型,软件学报, EI,2019,翁桂荣,苏州大学 ,何志勇 ,翁桂荣* ,苏州大学 ,2019,30(12):3892-3906
14、Robust active contours driven by order-statistic filtering energy for fast image segmentation,Knowledge-Based Systems,SCI 一区 ToP ,2020,Weng Guirong,Soochow University,Yan Xin,Weng Guirong * ,Soochow University,197 (2020):1-10
15、Active contours driven by order-statistic filtering and coherence-enhancing diffusion filter for fast image segmentation,Journal of Electronic Imaging,SCI ,2020.4,Yan Xin ,Soochow University,Jin Ri , Weng Guirong *, Weng Guirong *,Soochow University,29(2), 023012:1-21




科技成果
软件著作 专利 专利：


荣誉及奖励
荣誉及奖励：


招生信息
招生信息： 招生信息（旧版）：硕士研究生