欢迎光临中国图象图形学学会官方网站,让我们一起努力,探索图象图形领域的广袤天地!
首页 > 奖励项目 > 青年人才托举

青年人才成长故事——西安电子科技大学王楠楠

2019-10-12

异质图像合成与识别方法研究

 

    中国科协青年人才托举工程主要对32岁以下具有较强创新能力和发展潜力的科技人员采用稳定支持方式,给予每位入选者连续3年的支持,每年15万元,为青年学者提供了一个展示自己、发展自己、成就自我的平台。在中国图象图形学学会的推荐下,我入选第二届中国科协青年人才托举工程项目,使我个人在学术能力、服务社会能力等方面得到综合提升。在这三年中,我继续从事对异质图像合成与识别的方法研究,在项目资助下,依托综合业务网理论及关键技术国家重点实验室,瞄准国际前沿,立足解决异质人脸图像合成与识别中存在的关键技术问题,我们率先将该方向划分为数据驱动和模型驱动两大类方法。

    数据驱动的异质人脸图像合成是指通过测试图像块与训练集图像匹配寻找相似图像块,然后用相似图像块去重构测试图像块得到重构系数,继而通过线性组合得到待合成图像块。针对数据驱动类方法中的近邻选择问题,提出了基于稀疏表示的解决思路改善了传统归纳式学习方法带来的测试误差过大的问题。考虑到邻域约束对近邻选择和权值重构的重要性,提出一种贝叶斯概率图模型,能够对数据驱动的异质图像合成方法给出一种概率论上的解释,并且能够提高合成效果。

    模型驱动的异质人脸图像合成是指从异质训练图像间学习映射关系,继而将给定的图像在训练得到的映射关系指导下生成对应的异质图像。与数据驱动类方法不同的是该类方法不需要在测试阶段遍历访问训练集,从而合成效率大大提高。为了解决数据驱动类问题的计算效率低的问题,我们提出了一种离线随机采样的策略能够使得效率提升十倍以上;随后,提出了一种快速鲁棒且有效的图像超分辨重建方法,测试阶段涉及的计算仅仅是加法和乘法,且学习得到模型较小,适合硬件实现。

    入选青托项目后,我继而主持国家自然科学基金优秀青年科学基金、装备预研教育部联合基金、CCF-腾讯犀牛鸟科研基金、中国博士后科学基金特别资助、面上项目一等资助等十余项课题。发表多篇IJCV、IEEE Trans.论文和计算机学会推荐的A类会议论文,其中第一作者论文有1篇入选ESI 0.1%热点论文,2篇入选ESI 1%高被引论文,单篇论文Google Scholar引用最高237次(第一作者)、SCI他引78次,论文Google Scholar总引用1350余次,SCI他引360次。组织和参加了多个国际学术会议及研讨会,担任10余个IEEE Trans.及其他20多个期刊评审人,以及计算机学会推荐A类会议程序委员会委员/评审人。

    在项目的实施过程中,我更多地结识同辈青年才俊,聆听前辈的指导与教诲,加速个人的成长过程,努力成长为品德优秀、专业能力出类拔萃、社会责任感强、综合素质全面、具有国际视野的学术技术带头人,成为国家主要科技领域高层次领军人和高水平创新团队的重要后备力量。