近日，我院复杂图像处理与理解团队成员张自豪博士在国际高水平学术期刊Pattern Recognition（中科院一区，Top, IF=8.51）上发表了题为“Multi-directional broad learning system for the unsupervised stereo matching method”（DOI: 10.1016/j.patcog.2023.109648）的研究论文，该成果为融合RGBD图像信息的道路场景域自适应语义分割研究的阶段成果，河南工业大学人工智能与大数据学院为第一署名单位，复杂图像处理与理解团队成员为共同作者。

该成果构建了基于多方位宽度学习系统的无监督立体匹配模型，提升了双目视觉深度图像质量，实现了轻量化无监督学习立体匹配算法，主要框架结构如下图1所示。该方法以传统宽度神经网络为基础，深入挖掘初始深度图像分布特性构建全方位宽度学习系统，利用全方位候选深度图像之间的深度唯一性提升模型性能，避免了对大量真实深度图像数据集合的依赖。

                             图1.基于全方位宽度学习系统的无监督立体匹配方法框架图。

期刊简介：《Pattern Recognition》人工智能领域的English学术期刊，创刊于1968年，由ELSEVIER SCI LTD出版商出版，出版周期Monthly。该刊发文范围涵盖计算机：人工智能等领域，旨在及时、准确、全面地报道国内外计算机：人工智能工作者在该领域的科学研究等工作中取得的经验、科研成果、技术革新、学术动态等。该刊已被SCI、SCIE数据库收录，在中科院JCR最新升级版分区表中，该刊分区信息为大类学科工程技术 1区，2022年影响因子为8.518。