头像

周晓飞

博士 副教授 | 博士生导师/ 硕士生导师 学科： 职务：

毕业院校：上海大学

研究方向：图像与视频处理，深度学习

电话： 邮箱：zxforchid@163.com

地址：10教429
手机访问
  • 个人简介
  • 教育经历
  • 工作经历
  • 社会职务
  • 研究领域
  • 教学与课程
  • 科研项目
  • 论文与著作
  • 专利成果
  • 软件成果
  • 荣誉及奖励

  • 周晓飞，男，博士，副教授，博士生导师/ 硕士生导师，于2018年7月在上海大学获得信号与信息处理专业工学博士学位。同年8月加入杭州电子科技大学自动化学院（2022年9月~2024年9月担任自动化系系主任、院长助理，2024年10月~2025年3月在科技部借调）。

  • 主要从事视觉感知与增强研究，聚焦图像与视频的目标检测与分割、低质图像增强、红外小目标检测以及异常检测研究等方向。中国图象图形学会机器视觉专委会委员，主持国家级项目2项，参与了包括科技部重点研发计划、国家基金委重点项目、省基金委重点项目、省科技厅尖兵项目在内的多项科研项目。在TIP、TCyb、TMM、TIM、TCSVT、TGRS、TCI、SPL、GRSL、Information Science、PR、Neurocomputing、ACM MM、CVPR 等国内外学术期刊及会议上发表论文70余篇，其中，第一/通讯作者发表IEEE汇刊18篇，ESI高被引论文4篇，1篇论文入选IEEE TOP50最受欢迎文档 (Popular Documents)。担任Modelling期刊青年编委，申请国家发明专利30余项，其中授权21项。荣获2024年度中国商业联合会科技进步一等奖“面向钢架构制造过程的多维度全流程异常检测关键技术研究与应用”（排名第一），2023年入选校“钱江学者优秀青年”支持计划，教育部-华为“智能基座”栋梁之师、“智能基座”华为云与计算先锋教师，校第十三届青年教师教学技能竞赛优胜奖，2024年度浙江省自动化学会高等教育教学成果奖二等奖1项，2023年度校级教学成果一等奖1项。 更多信息欢迎访问我的个人主页https://zxforchid.github.io/index.html

  • 如果您对图像处理与视频处理、模式识别、深度学习等方向感兴趣，欢迎报考我的博士和硕士，表现优秀者可推荐到国内外著名大学继续深造！目前，已推荐多名本科毕业生、硕士毕业生到上海大学、南京理工大学、山东大学、东南大学、港中文、美国南加大、加拿大康考迪亚大学等攻读硕士或博士学位。同时，非常欢迎数学基础好、编程能力强的优秀本科生（学过图像处理、机器学习者优先考虑）加入我的课题组，这里将为您提供良好的科研学术环境。经本人指导的本科生多次在学科竞赛中获奖，包括第十二届蓝桥杯全国总决赛优秀奖1项、大华杯技术创新大赛一等奖1项和二等奖1项、国家级大创项目2项、省新苗计划1项等。

  • 常年招收优秀本科生，进行科研创新训练，欢迎电邮咨询 (zxforchid@163.com)





  • 主要从事视觉感知与增强研究，聚焦图像与视频的目标检测与分割、低质图像增强、红外小目标检测以及异常检测研究等方向：

  1. 多源信息目标分割：采用全监督、弱监督、小样本、无监督、大模型等技术方法进行RGB/RGB-Depth(RGB-D)/RGB-Depth-Thermal(V-D-T)显著目标分割和目标语义分割、RGB/RGB-D视频目标分割、红外小目标检测、水下图像分割等研究。

  2. 低质图像增强：采用扩散模型、Transformer、大模型等技术方法对水下图像、自然场景图像（暗光、有雾、有雨）等低质图像进行增强，提高其颜色亮度、对比度、清晰度等信息。

  3. 异常检测：采用小样本、大模型、半监督、无监督等技术方法，通过对工业生产（缺陷检测）、医疗健康（病理检测）、视频监控（异常行为）等场景中的数据进行分析，找出那些不符合正常行为模式的实例，从而帮助快速响应和解决问题。


  • 主讲《深度学习》、《信号分析与处理》、《深度学习课程设计》等课程

  • 主持“华为-智能基座”教育部产学合作协同育人项目1项

  • 获第十二届蓝桥杯全国总决赛“优秀指导教师”

  • 荣获教育部-华为“智能基座”栋梁之师称号

  • 荣获“智能基座”华为云与计算先锋教师称号

  • 荣获校第十三届青年教师教学技能竞赛优胜奖

  • 指导本科生获第十二届蓝桥杯全国总决赛优秀奖1项

  • 指导本科生、研究生获得大华杯技术创新大赛一等奖1项和二等奖1项

  • 指导本科生立项国家级大创项目2项

  • 指导本科生省新苗计划1项

  • 参与省级一流本科课程备案（线上）1项

  • 参与并获得2024年浙江省自动化学会高等教育教学成果奖二等奖1项

  • 参与并获得2023年校级教学成果一等奖1项

  • 参与编写十四五规划教材《人工智能通识》1部



纵向科研

一、主持：

  1. 国家自然科学基金面上项目：基于视觉显著性的带钢表面缺陷检测研究

  2. 国家自然科学基金青年基金：基于时空深度表征的无监督视频显著性检测研究

二、参与：

  1. 浙江省尖兵项目：面向元宇宙基础视觉算法能力 的人工智能模型算法平台

  2. 重点实验室开放课题：基于假设检验模型的数字媒体取证方法研究

  3. 重点实验室开放课题：统计模型驱动的图像篡改取证关键问题理论及方法研究

  4. 浙江省自然科学基金重点项目：多模数据融合的冠状病毒感染智能防诊析关键技术研究

  5. 国家自然科学基金面上项目：空时域感知失真模型及多层次感知视频编码算法优

  6. 国家自然科学基金重点项目：端云协同视频智能计算方法与芯片架构研究


横向科研

  • 主持：

    • 基本科研业务费：基于视觉显著性的带钢表面缺陷检测研究

    • 启动经费：面向复杂场景的视频显著性检测模型研究

    • 企业课题：机器视觉关键算法研究

    • 企业课题：服务机器人智能视觉系统关键技术研究

    • 企业课题：图像显著目标检测与分割技术研究

论文

[1] X. Zhou, H. Fang, Z. Liu, B. Zheng, Y. Sun, J. Zhang, and C. Yan, “Dense Attention-guided Cascaded Network for Salient Object Detection of Strip Steel Surface Defects,” IEEE Transactions on Instrumentation and Measurement, vol. 71, 5004914, 2021. （ESI高被引论文）

[2] X. Zhou, K. Shen, L. Weng, R. Cong, B. Zheng, J. Zhang, and C. Yan, “Edge-guided Recurrent Positioning Network for Salient Object Detection in Optical Remote Sensing Images,” IEEE Transactions on Cybernetics, vol. 53, pp. 539 - 552 , 2022. （ESI高被引论文，IEEE TOP50最受欢迎文档 (Popular Documents)）

[3] X. Zhou, Z. Wu, R. Cong, “Decoupling and Integration Network for Camouflaged Object Detection,” IEEE Transactions on Multimedia, vol. 26, pp. 7114 - 7129, 2024. （ESI高被引论文）

[4] K. Shen, X. Zhou (通讯作者), Z. Liu, “MINet: Multiscale Interactive Network for Real-Time Salient Object Detection of Strip Steel Surface Defects,” IEEE Transactions on Industrial Informatics, vol. 20, no. 5, pp. 7842 - 7852, 2024. （ESI高被引论文）

[5] X. Zhou, K. Shen, Z. Liu, C. Gong, J. Zhang, and C. Yan, “Edge-aware Multi-scale Feature Integration Network for Salient Object Detection in Optical Remote Sensing Images,” IEEE Transactions on Geoscience and Remote Sensing, vol. 60, 5605315, 2021.

[6] X. Zhou, K. Shen, Z. Liu, “ADMNet: Attention-guided Densely Multi-scale Network for Lightweight Salient Object Detection,”. IEEE Transactions on Multimedia, vol. 26, pp. 10828-10841, 2024.

[7] X. Zhou, S. Wu, R. Shi, B. Zheng, S. Wang, H. Yin, J. Zhang, and C. Yan, “Transformer-based Multi-scale Feature Integration Network for Video Saliency Prediction,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 33, no. 12, pp. 7696 - 7707, 2023.

[8] X. Zhou, X. Wu, L. Bao, H. Yin, Q. Jiang, and J. Zhang, “AGFNet: Adaptive Gated Fusion Network for RGB-T Semantic Segmentation,” Transactions on Intelligent Transportation Systems, 2025, 10.1109/TITS.2025.3528064

[9] B. Wan, X. Zhou (通讯作者), B. Zheng, H. Yin, Z. Zhu, H. Wang, Y. Sun, J. Zhang, and C. Yan, “LFRNet: Localizing, Focus, and Refinement Network for Salient Object Detection of Surface Defects,” IEEE Transactions on Instrumentation and Measurement, vol. 72, pp. 1-12, 2023.

[10] X. Zhou, Z. Liu, C. Gong, and W. Liu, “Improving Video Saliency Detection via Localized Estimation and Spatiotemporal Refinement,” IEEE Transactions on Multimedia, vol. 20, no. 11, pp. 2993-3007,  2018. 

[11] H. Wen, C. Yan, X. Zhou (通讯作者), R. Cong, Y. Sun, B. Zheng, J. Zhang, Y. Bao, and G. Ding, “Dynamic Selective Network for RGB-D Salient Object Detection,” IEEE Transactions on Image Processing, vol. 30, pp. 9179 – 9192,  2021.

[12] B. Wan, X. Zhou (通讯作者), Y. Sun, T. Wang, C. Lv, S. Wang, H. Yin, and C. Yan, “MFFNet: Multi-modal Feature Fusion Network for V-D-T Salient Object Detection”, IEEE Transactions on Multimedia, vol. 26, pp. 2069 - 2081, 2023. 

[13] L. Bao, X. Zhou (通讯作者), X. Lu, Y. Sun, H. Yin, Z. Hu, J. Zhang, and C. Yan, “Quality-aware Selective Fusion Network for VDT Salient Object Detection,” IEEE Transactions on Image Processing, vol. 33, pp.3212 - 3226, Apr. 2024.

[14] L. Bao, X. Zhou (通讯作者), B. Zheng, R. Cong, H. Yin, J. Zhang, and C. Yan, “IFENet: Interaction, Fusion, and Enhancement network for V-D-T Salient Object Detection,” IEEE Transactions on Image Processing, vol. 34, pp. 483-494, 2025.

[15] C. Lv, X. Zhou (通讯作者), B. Wan, S. Wang, Y. Sun, J. Zhang, and C. Yan, “Transformer-Based Cross-Modal Integration Network for RGB-T Salient Object Detection,” IEEE Transactions on Consumer Electronics, vol. 70, pp. 4741 - 4755, 2024.

[16] J. Tang, X. Zhou (通讯作者), Y. Gao, X. Chu, Z. Li, C. Yan, and J. Zhang, “COVID-19 Lung Infection Segmentation with Cascaded Aggregation Network,” IEEE Transactions on Instrumentation and Measurement, 2025, 10.1109/TIM.2025.3551576.

[17] J. Huang, Y. Wu, X. Zhou (通讯作者), J. Lin, Z. Chen, G. Zhang, L. Xia, and J. Zhang, “Multi-Scale Adaptive Prototype Transformer Network for Few-shot Strip Steel Surface Defect Segmentation, ” IEEE Transactions on Instrumentation and Measurement, 2025, doi: 10.1109/TIM.2025.3550227.

[18] B. Zheng, Q. Chen, S. Yuan, X. Zhou (通讯作者), H. Zhang, J. Zhang, C. Yan, and G. Slabaugh, “Constrained Predictive Filters for Single Image Bokeh Rendering,”, IEEE Transactions on Computational Imaging, vol. 8, pp. 346-357, 2022.

[19] H. Fang, T. Zhang, X. Zhou, X. Zhang, “Learning Better Video Query with SAM for Video Instance Segmentation,” IEEE Transactions on Circuits and Systems for Video Technology, 2024, 10.1109/TCSVT.2024.3361076.

[20] Y. Zhang, L. Wan, D. Liu, X. Zhou, P. An, and C. Shan, “Saliency-Guided Blind Omnidirectional Image Quality Assessment via Scene Content Perceiving,” IEEE Transactions on Instrumentation & Measurement, vol. 73, pp. 1-15, 2024.

[21] X. Zheng Z. Li, D. Liu, X. Zhou, C. Shan, “Spatial Attention-Guided Light Field Salient Object Detection Network with Implicit Neural Represention,” IEEE Transactions on Circuits and Systems for Video Technology, vol. 34, no. 12, pp. 12437 - 12449, 2024.

[22] T. Qiao, Y. Chen, X. Zhou, R. Shi, H. Shao, K. Shen, and X. Luo, “CSC-Net: Cross-color Spatial Co-occurrence Matrix Network for Detecting Synthesized Fake Images,” IEEE Transactions on Cognitive and Developmental Systems, vol. 16, no. 1, pp. 369 - 379, 2023.



著作

  1. 一种基于弱监督学习的协同显著性检测方法,发明专利,专利申请,202011495029.3,自动化学院（人工智能学院）,周晓飞

  2. 一种基于边缘主体融合信息的遥感目标显著性检测方法,发明专利,专利申请,202011494987.9,自动化学院（人工智能学院）,周晓飞

  3. 一种基于编解码结构的多模态显著性对象检测方法,发明专利,专利申请,202010494739.8,自动化学院（人工智能学院）,周晓飞

  4. 一种基于深度学习的无参考视频质量评价方法,发明专利,专利申请,202110534076.2,自动化学院（人工智能学院）,周晓飞

  5. 一种基于显著性的伪装目标检测方法,发明专利,专利申请,202110720395.2,自动化学院（人工智能学院）,周晓飞

  6. 一种基于人类视觉效应的视频质量评价方法,发明专利,专利申请,202110718776.7,自动化学院（人工智能学院）,周晓飞

  7. 一种基于边缘信息的钢铁表面缺陷显著性检测方法,发明专利,专利申请,202111551782.4,自动化学院（人工智能学院）,周晓飞

  8. 一种基于压缩模块的轻量化遥感图像显著性检测方法,发明专利,专利申请,202111551765.0,自动化学院（人工智能学院）,周晓飞


  1. 中国商业联合会科技进步一等奖“面向钢架构制造过程的多维度全流程异常检测关键技术研究与应用”，排名第一，2024

  2. 杭州电子科技大学“钱江优青”人才培育专项，2022

  3. 浙江省自动化学会高等教育教学成果奖二等奖，排名6/6，2024

  4. 第十二届蓝桥杯全国软件和信息技术专业人才大赛全国总决赛优秀指导教师，排名1/1，2021

  5. 教育部-华为“智能基座”栋梁之师，排名1/1，2021

  6. “智能基座”华为云与计算先锋教师，排名1/1，2021