集团教师在国际学术刊物发表论文

近日，集团计算机中心教师张果在《Soft Computing》发表了题为“Research on text detection on building surfaces in smart cities based on deep learning”的学术论文。《Soft Computing》是中科院计算机科学大类三区SCI收录的杂志，处于JCR二区，影响因子3.643。在《Mathematics》发表了题为“A medical endoscope image enhancement method based on im-proved weighted guided filtering”学术论文。《Mathematics》是中科院数学大类二区SCI收录的杂志，处于JCR二区，影响因子2.258。

“Research on text detection on building surfaces in smart cities based on deep learning”该篇学术论文中提出了一种BFPN-RCNN算法，用于检测和识别建筑图像中的弯曲文本。利用ResNet对Faster R-CNN算法进行改进，首先通过扩展金字塔网络的路径来增强网络浅层特征的提取，然后通过自适应特征池将不同层的 RoI 特征融合在一起。最后通过渐进扩展算法有效地识别目标对象。该算法对建筑图像中弯曲文本的识别具有良好的效果。

在“A medical endoscope image enhancement method based on im-proved weighted guided filtering”该篇论文中，提出了一种改进的加权引导滤波算法来增强内窥镜图像组织。采用一种非锐化的掩模算法和改进的加权引导滤波来增强内窥镜图像中的血管细节和轮廓。提出了包括细节增强、对比度增强、亮度增强和高光区去除在内的整个内镜图像处理方案，并对其进行了详细的说明。与其他同类算法相比，该方法能有效地保持边缘，减少光晕，具有较强的噪声抑制能力。能够保持原内镜图像的结构，提高了组织血管的细节。