科技技术

您的当前的位置:主页 > 科技技术 >
电子科技大学 成电新闻网

  11月18日-21日,第11届亚太信号与信息处理协会年会(Asia-Pacific Signal and Information Processing Association Annual Summit and Conference,APSIPA ASC 2019)在甘肃省兰州市召开。信息与通信工程学院视频通信与智能计算实验室刘翼鹏副教授受邀做题为“Tensor Component Analysis”的2小时专题报告。

  据了解,2019年度,刘翼鹏副教授先后在三个国际知名学术会议做大会专题报告。除了近日召开的APSIPA ASC 2019,还包括:2019年5月26日在日本札幌召开的IEEE电路与系统国际会议(IEEE International Symposium on Circuits and Systems, ISCAS 2019)上作题为“Tensor component Analysis and Its Applications”的90分钟的专题讲座报告;2019年10月20日在中国南京召开的IEEE信号处理系统国际研讨会(IEEE International Workshop on Signal Processing Systems, SiPS 2019)作题为“Tensor Subspace Analysis for Signal Processing”的3小时的专题报告。

  APSIPA ASC国际会议是亚太地区信号与信息处理的年度学术大会,在亚太地区的语音和图像处理领域具有广泛的影响力。ISCAS国际会议是IEEE电路与系统学会的年度旗舰会议,旨在传播电子电路和系统科学方向的理论、方法和应用的进展。视频通信与智能计算团队负责人朱策教授曾在ISCAS 2015(葡萄牙里斯本)年会上做3小时的三维视频专题讲座,这次是团队成员再次在该重要会议上做专题讲座,也是少数几位在该重要会议上单独完成讲座报告的大陆高校青年学者。SiPS国际会议是IEEE信号处理学会主办的信号处理系统方向的主要会议,旨在讨论和传播数字信号处理系统方向的新方法和技术进展。

image.png image.png 

image.png

  刘翼鹏副教授的专题讲座报告中主要总结了团队近三年的研究成果,梳理了技术体系,从理论、方法和应用各个层面,给出张量信号分析的现状和展望。他首先介绍了张量计算基础,通过一系列张量分解,详细讲解传统的稀疏成分分析、主成分分析、非负成分分析、线性回归、字典学习、子空间聚类等技术的张量扩展,并给出了一系列计算成像领域的应用实验结果,如图像压缩感知、图像去噪、光照归一化、背景提取、图像预测等。

image.png

image.png

  鉴于在张量信号处理方向取得的成果,刘翼鹏副教授于2019年9月受邀担任IEEE Signal Processing Letters在该领域的编委(Associate Editor)工作。此外,他还曾于2018年-2019年受邀为国际知名图像处理期刊Signal Processing: Image Communication (Elsevier)的专辑Tensor Image Processing担任首席客座编委(Managing guest editor)。

  本年度的这三个专题讲座报告得到参会同行学者的关注和积极评价,并受到国际著名出版机构斯普林格(Springer)出版社主任编辑邀请,团队正与其讨论合作出版张量信号分析方向专著具体事宜。

  传统信号处理算法常常将多维数据转化成矩阵进行处理。矩阵化的操作破坏了数据的多线性结构,导致非最优的处理性能。张量作为多维数据的自然表示,基于张量计算的信号处理技术可以避免损坏多线性数据结构,从而获得更好性能的数据处理结果。近年来,信息与通信工程学院视频通信与智能计算团队在朱策教授的带领下,由刘翼鹏副教授指导研究生吴姗、陈龙喜、龙珍、刘佳妮、冯兰兰、周鸣一等,在张量分析理论方法和应用方面开展了卓有成效的工作,取得重要进展,获得国际同行的关注和认可。论文主要发表在相关领域的国际主流权威期刊,IEEE Journal on Sleeted topics in Signal Processing,IEEE Transaction on Medical Imaging,IEEE Transactions on Multimedia,IEEE Transactions on Circuits and Systems for Video Technology,IEEE Transactions on Signal Processing,IEEE Signal Processing Letters。2019年度,团队在该领域的文章中有一篇热点论文和一篇高被引论文。

  在稀疏张量分析方向,根据张量分解的形式,将传统二维的稀疏表示推广到三维及以上空间,并应用到快速动态磁共振成像中,获得优越的性能。相关研究成果发表在医学成像顶级期刊IEEE Transaction on Medical Imaging。

image.png

  在稳健张量主成分分析方面,进一步提取张量奇异值分解的核矩阵的主成分,提高张量奇异值分解的表示效率,获得更高效的主成分分析方法。该方法在一系列的图像处理应用实验中,如彩色图像降噪、人脸图像去光照、视频中的背景提取、视频中的去雨成分,都表现出优于传统方法的性能。相关成果发表在信号处理著名期刊IEEE Journal on Selected Topics in Signal Processing和Signal Processing(Elsevier)。

image.png

  在张量缺失成分分析方面,系统地分析了不同张量分解对应的信号结构的异同点,针对不同的高维数据结果,分别采用联合多线性分解、联合局部和全局分解等方式,进行高维数据中缺失成分的恢复工作。这类方法被应用到彩色图像和视频、高光谱图像、光场图像等多种高维数据的恢复,取得了优异的性能。相关研究成果发表在图像处理著名期刊IEEE Transactions on Multimedia、IEEE Transactions on Circuits and Systems for Video Technology;综述论文发表在信号处理国际知名期刊 Signal Processing (Elsevier)。

image.png

  在张量回归方面,针对输入或输出是高维信号的情况,总结了当前线性回归和非线性回归的优缺点,进而提出了一种多线性回归方法。它在保持较低的计算复杂度的情况,给回归系统建立更多输入输出线性关系。这类方法被应用到天气预测、人体姿态预测、功能磁共振数据分析等,取得了较好性能。相关论文已经投稿行业权威期刊,获得审稿人的较好评价。

image.png

  刘翼鹏副教授分别于2006年与2011年获得电子科技大学工学学士和工学博士学位。2011年到2014年,他在比利时鲁汶大学担任博士后研究员。2014年至今,他在电子科技大学任副教授。他是IEEE高级会员,IEEE Signal Processing Letters编委(Associate Editor),中国计算机学会多媒体技术专委会委员,中国图象图形学学会青年工作委员会委员。


  学术成果链接: (1)http://archive.signalprocessingsociety.org/publications/periodicals/letters/letters-editorial/

(2)https://www.sciencedirect.com/science/article/abs/pii/S0923596519301870

(3)https://ieeexplore.ieee.org/abstract/document/7953691

(4)https://ieeexplore.ieee.org/abstract/document/8477047/

(5)https://www.sciencedirect.com/science/article/pii/S0165168419303251

(6)https://ieeexplore.ieee.org/abstract/document/8651300/

(7)https://ieeexplore.ieee.org/abstract/document/8421084/

(8)https://www.sciencedirect.com/science/article/pii/S0165168418303232


编辑:何易虹  / 审核:王晓刚  / 发布者:陈伟