团队于26年4月27召开组会

       2026年4月27日下午，本实验室在艺设楼会议室召开学术组会，团队指导教师周昊及全体研究生参加。本次组会围绕图像去雾、图像去噪、医学图像分割、胚胎发育分类等多个前沿研究方向展开。

       首先，24级研究生张骞结合其投稿PDD-Net论文所收到的多份审稿意见，分享了他投稿的心得体会。他系统总结了来自PRCV、ICASSP、ICME、ICIC等不同会议期刊的审稿反馈，归纳出当前图像去雾研究中常见的共性问题，包括：创新性有限、物理建模不严谨、故事与实验证据不匹配、实验统计意义不足、测试集规模偏小、效率分析不完整等。他特别指出，审稿人反复强调“方向依赖特性”缺乏统计证据支持、物理引导模块未进行透射图与大气光可视化验证、消融实验仅在简单数据集上进行等具体问题，提醒同学们在论文撰写时应注重动机清晰性、实验设计的严谨性以及写作规范性。

       随后，25级研究生丁诗琪分享了《Weighted, Mixed lp Norm Regularization for Gaussian Noise-Based Denoising Method Extension》（MDPI Mathematics）。该研究指出真实图像噪声具有低频空间相关性和强度非均匀性，传统高斯去噪方法难以有效处理。为此，提出了一种加权混合ℓp范数正则项，结合次梯度优化算法，显著提升了去噪效果与纹理保留能力。25级研究生席德智汇报了《Detail-Preserving Fourth-Order Nonlinear PDE-Based Image Restoration Framework》，介绍了一种基于二阶和四阶扩散的非线性偏微分方程图像复原方法。该方法有效克服了传统去噪方法中常见的模糊与阶梯效应，在保持图像细节的同时实现高质量去噪。

       紧接着，25级研究生路建祥围绕《Simple Baselines for Image Restoration》进行了汇报。该研究从系统复杂度出发，提出了一种结构简单、计算高效的图像复原基线模型，融合了GELU激活函数与通道注意力机制，在多个公开数据集上取得了优于当前主流方法的性能表现。

       24级研究生陈畅汇报了《CWRNNet: A deep learnng approach for embryo development stage classification using microscopic images》该方法通过对囊胚腔、内细胞团、滋养层及透明带等多区域的分割与特征提取，实现对胚胎发育阶段的自动分类，为辅助生殖技术中的胚胎筛选提供了新的技术路径。24级研究生李佳豪汇报了《MoE-SAM: Enhancing SAM for Medical Image Segmentation with Mixture-of-Experts》。该方法在不显著增加计算开销的前提下，利用混合专家结构充分利用SAM图像编码器中的多层次语义特征，提升了医学图像分割的精度与效率。

       在汇报交流环节，周昊老师针对各项研究工作的创新点、实验设计及应用前景进行了深入点评，并就后续研究方向提出了建设性建议。