报告题目：基于深度学习的高光谱遥感图像分类技术研究
报 告 人：李伟 教授
地 点：工科E1504
报告摘要：高光谱图像技术的发展使得遥感对地观测的数据类型越来越丰富但数据量剧增，深度学习模型在图像特征提取方面具有突出优势，它多隐层的多层感知器结构使其能够学习到对数据有更本质的特征刻画。本次报告重点汇报课题组前期利用深度卷积神经网络进行高光谱图像分类的技术研究，包括针对小样本问题的像素对策略，针对提取空谱特征窗口选择问题的多样区域卷积网络策略。此外，汇报如何利用深度卷积神经网络进行多源遥感图像分类的研究工作，包括多分枝卷积神经网络和无监督的端到端网络特征提取方法。前期实验结果显示相比传统方法，深度学习模型可以从遥感图像中获得更多有用信息，从而提高分类精度。
报告人简介：
李伟，北京理工大学信息与电子学院教授，博士生导师，国家优秀青年科学基金获得者。2007年于西安电子科技大学获学士学位，2009年于中山大学获硕士学位，2012年于美国密西西比州立大学获博士学位，之后在加州大学戴维斯分校进行博士后研究，2013年5月至2019年2月工作于北京化工大学。主要从事图像处理与模式识别研究，包括高光谱遥感图像处理、高光谱显微图像处理以及基于图像的特征提取、模式分类、异常检测、数据重构等。以第一/通讯作者在IEEE TGRS、IEEE TIP、IEEE TCYB、IEEE TIM等权威国际期刊发表论文50余篇，谷歌学术引用3800余次，ESI高被引论文10篇。担任IEEE SPL、IEEE JSTARS国际学术期刊编委，以及第11届IEEE CISP-BMEI图像信号处理国际会议大会主席，于2016年获得IEEE地球科学与遥感分会（GRSS）颁发的IEEE JSTARS最佳审稿人奖，并获得IEEE Whispers 2019杰出论文奖。入选2017年度北京市科技新星计划。
海洋与空间信息学院
2019年10月12日
