祝贺博士生汪亚伦同学的论文被CCF B会ICME录用

        国际多媒体领域知名会议ICME 2026 （International Conference on Multimedia and Expo）录用来自本小组25级博士研究生汪亚伦同学的论文“CoDehazeNet: An End-to-End Collaborative   Network for Global-to-Local Remote Sensing   Image Dehazing”，汪亚伦同学是第一作者，周昊老师是通讯作者。ICME2026计划于2025年7月5日-7月10日在泰国曼谷召开，周昊老师、陶陶老师、汪亚伦同学将去泰国曼谷参会，与国际多媒体领域专家进行交流。ICME是IEEE旗下的历史悠久多媒体计算旗舰会议，同时也是CCF推荐的多媒体计算领域B类国际学术会议。

· 论文标题：CoDehazeNet: An End-to-End Collaborative   Network for Global-to-Local Remote Sensing   Image Dehazing

· 作者：Yanglun Wang, Jiajian Niu, Tingjun Rao，Sixian Rao*, Tao Tao, Hao Zhou, *

· 内容简介：遥感图像去雾（Remote Sensing Image Dehazing）任务主要是针对受大气散射影响的遥感影像，通过算法恢复其视觉质量和地物可解释性，该技术可以广泛应用于土地监测、生态评估、防灾减灾以及城市规划等领域，具有极高的科研和商业应用价值 。目前，已有研究重点关注利用物理先验或深度神经网络恢复图像清晰度，但往往难以兼顾全局结构恢复与局部细节重建，导致去雾结果容易出现色彩扭曲、纹理过度平滑或产生伪影等问题 。针对该问题，受人类视觉系统中大细胞（Magnocellular）和小细胞（Parvocellular）通路协同处理机制的启发，提出了一种端到端的协作式全局到局部去雾网络——CoDehazeNet 。该框架通过解耦修复过程，实现了并行特征提取与结构引导集成：首先，利用低分辨率的全局结构修复器（GSR）模拟大细胞通路，捕获长程大气退化规律并生成像素级置信图；同时，采用全分辨率的U型骨干网络（CoDehaze-U）作为侧细胞通路的对应部分，负责保持精细的纹理特征 。此外，为了解决两路特征融合时的冗余与不稳定问题，引入了细节纹理精炼器（DTR），通过条件空间残差补偿（CSRC）机制，在置信图的引导下自适应调节特征融合，有选择地补充缺失的纹理细节 。实验结果表明，该模型在定量精度和视觉感官质量上均优于现有的先进算法，能够有效实现自然、清晰的遥感图像去雾效果 。