西电图像传输与处理研究所

高全学

发布日期:2018-04-02


高全学,西安电子科技大学教授,博导

一.简介
教育经历:

1998年7月  西安公路交通大学  获学士学位
2001年7月  兰州理工大学甘肃工业大学  获硕士学位
2005年11月  西北工业大学  获博士学位位

工作经历:
2005年至今  西安电子科技大学  教师
2015年1月-2016年1月  美国德州大学阿灵顿分校访问学者
2006年10月-2007年5月  香港理工大学研究助理

科研项目:
主持科研项目8项,总经费170万;参与项目2项目,总经费80万

授权发明专利:
2项(其中第一发明人0项)

论文:
SCI 检索论文22篇(其中第一作者/通讯作者21篇),EI检索论文 20篇(其中第一作者/通讯作者15篇)(注:EI论文包括会议)

教学:
主讲本科生《数字信号处理》;主讲研究生《统计模式识别》
本科毕业设计每年5~6人

研究方向:
模式识别、聚类算法研究,图像识别,深度学习,图像去噪


研究生招生:
学术性硕士生每年5人;专业型硕士生每年2人
博士生每年2人

联系方式:
办公地址:西安电子科技大学北校区主楼I区317房间
Tel:15877489806
邮箱:qxgao@xidian.edu.cn

二.取得的标志性成果
(1)针对张量子空间不能很好的利用图像像素空间的相互关系,提出了多模多方向张量子空间分析及图像欧氏距离的特征提取方法。
对于多模多方向张量子空间方法,如图1所示,将k模张量图像通过图1变换后,得到第k个维方向图,这样第k维方向较好地利用了像素空间的局部空间结构信息,提高了后续算法的稳定性,代表形成果发表在CVPR’ 2008 (Oral)。
针对欧氏距离度量准则的不稳定性,为了更好地利用图像像素的空间结构信息,提出利用图像欧氏距离代替经典L2范数的子空间特征提取方法。利用如图2所示,计算出矩阵A的映射G,然后通过计算利用L2范数可得到图像欧氏距离。代表形成果发表在IEEE Trans. Image Processing’2013,3807-38017。

(2)针对流形学习技术提取特征的不稳定性,提出了鲁棒流形学习的特征提取算法。给出了一种较好地刻画内在几何结构和margin的几何结构描述。代表性成果发表在IEEE Trans. Image Processing’2013,2521-2530;
IEEE Trans. Information Forensics and Security’2013以及Pattern Recognition, 2012。
 
(3)将稀疏描述嵌入到流性学习中,使得低维描述不仅较好地刻画了数据的判别几何结构,而且保留了数据的稀疏描述,具有较好的分类性能。流程图如图3所示。代表性成果发表在IEEE Trans. Image Processing’2015和Pattern Recognition’2015.

二.科研项目及人才计划项目
1. 国家自然基金(2项),共100万,其中一项在研(2013-2016)。
2. 陕西省自然基金1项,博士后基金1项,浙江大学CAD&CG国家重点实验室开放课题2项;ISN国家重点实验室开放课题3项,其他项目3项。
3. 参与国家自然基金1项,其他横向项目2项。


三.发表论文列表

期刊论文
[1]. L. Liu, Q. Gao*, D. Xie, X. Gao, Y. Wong, S. Miao, Robust DLPP with non-greedy L1- norm minimization and maximization, IEEE Trans. Neural Networks and Learning Systems, (Accept), 2016 (影响因子IF=4.8).

[2]. Q. Gao*, Q. Wang, Y. Huang, X. Gao, X. Hong, H. Zhang, Dimensionality reduction by Integrating sparse representation and fisher criterion and its applications. IEEE Trans. Image Processing 24(12): 5684-5695, 2015 (IF=3.73).
[3]. Q. Gao*, F. Gao, H. Zhang, X. Hao, X. Wang, Two-dimensional maximum local variation based on image Euclidean distance for face recognition, IEEE Trans. Image Processing, 22 (10): 3807-3817, 2013(IF=3.73).
[4]. Q. Gao*, J. Ma, H. Zhang, X. Gao, Y. Liu, Stable orthogonal discriminant embedding for linear dimensionality reduction, IEEE Trans. Image Processing, 22(7): 2521-2531, 2013(IF=3.73).
[5]. Q. Gao*, Y. Huang, H. Zhang, X. Hong, K. Li, Y.Wang, Discriminative sparsity preserving projections for image recognition, Pattern Recognition 48(8): 2543- 2553, 2015 ( IF=3.3).
[6]. Q. Wang, Q. Gao*, Y. Li, Y. Huang, Y. Liu, Adaptive maximum margin analysis for image recognition, Pattern Recognition, 2016 (accept) (IF=3.3).
[7]. Q. Gao*, J. Liu, H, Zhang, J. Hou, X. Yang, Enhanced Fisher Discriminant Criterion for Image Classification, Pattern Recognition, 45(10):3717-3724, 2012(IF=3.3).
[8]. Q. Gao*, X. Hui, Y. Li, D. Xie, Two-dimensional supervised local similarity and diversity projection. Pattern Recognition, 43(10): 3359-3363, 2010 (IF=3.3).
[9]. Q. Gao*, J. Liu, K. Cui, et al., Stable locality sensitive discriminant analysis for image recognition. Neural Networks 54: 49-56, 2014. (IF=3.2).
[10]. Q. Gao*, J. Liu, H.Zhang, X. Gao, Joint global and local structure discriminant analysis, IEEE Trans. Information Forensics and Security,8(4):626-635,2013 (IF=2).

会议论文
[1]. Q. Wang, Q, Gao*, Robust 2DPCA and its application, CVPR workshop, 2016.
[2]. L. Zhang, Q. Gao*, D. Zhang, Directional independent component analysis with tensor representation, CVPR, 1-8, 2008(oral).


四.发表论文列表
要求具有较好的数学分析和推理能力,有一定编程的能力以及团队协作精神。

上一篇:李云松

文章推荐