本网讯（通讯员刘艳飞）12月14日，西安电子科技大学电子工程学院朱虎明副教授应钟燕飞教授邀请来我实验室访问交流，并作题为“并行遥感图像处理”的学术报告。

     在当前遥感大数据背景下，卫星数量不断增加，遥感图像数量爆发式增长，遥感图像处理日益智能化，提高遥感图像处理速度已成为当下迫切需求。并行计算作为提高计算效率的重要手段，可以极大的加快遥感图像处理速度，在遥感图像处理领域已成为研究热点。朱虎明教授领导的团队在并行计算领域研究成果丰硕，分别在2010、2011年AMD中国高校加速计算竞赛中夺得冠军和亚军，在2011微软高性能计算校园编程大赛中，获得第四、第五和第七名，在PAC2015最佳应用获得铜奖。

    在报告中，朱老师对当前遥感并行计算研究热背后的数据背景、硬件背景以及图像处理技术发展作了回顾，认为随着当前我国遥感卫星数量的不断增加，数据的不断增多，多核CPU、GPU的发展，以及深度学习等新的图像处理技术的发展，并行计算在遥感领域的应用将越来越广泛。通过分析MPI、OpenMP等CPU并行接口以及CUDA、OPENCL等GPU并行模块， 认为发展遥感并行计算算法以及软件框架，在保证计算效率的情况下应充分考虑到算法与框架的可移植性。

    报告会后，师生踊跃请教交流，朱老师对提问详细解答，并针对利用GPU等对已有的遥感图像处理算法进行并行化实现来给出了建议。

    朱虎明是西安电子科技大学电子工程学院副教授，担任西安电子科技大学-惠普公司高性能计算联合实验室和“AMD-西电多核异构高性能实验室”技术负责人，承担了联合实验室的基础建设、设备购置、维护以及高性能计算的应用等工作，完成和申请多项国家自然科学基金项目、国家教育部博士点基金和国家“863”计划等项目。

朱老师做报告

在会师生与朱老师讨论

     12月14日，知名科学杂志《Nature》大中华区编辑主管Dr. Ed Gerstner一行来我校访问，Dr. Ed Gerstner于1997 年在悉尼大学获得物理学博士学位，之后的五年分别在悉尼大学，剑桥大学及萨里大学从事过研究工作。Dr. Ed Gerstner是一位对科学及更好的科学传播充满激情的倡导者，2002 年加入Nature, 先后在Nature, NatureMaterials, Nature Physics, 及Nature Communications 担任编辑。2012 年他来到上海建立了自然出版集团在中国大陆的第一个编辑部，致力于建立一支立足于中国的Nature 系列期刊编辑团队，同时保持与中国科研界紧密的联系并帮助中国科学家将他们最好的研究成果发表在世界最好的期刊上。在我校国际交流部与科学技术发展研究院组织的Dr. Ed Gerstner与10名重点学院代表的座谈会议中，钟燕飞教授做了名为《Hyperspectral Image Analysis in Forensic Science》的学术交流报告，报告了我组在利用高光谱图像在物证取证方面的研究工作。Dr. Ed Gerstner对于钟老师的研究工作表现出了极大的兴致，并建议钟老师将报告中涉及的技术申请专利，欢迎我组有趣的研究工作投稿《Nature》。

钟老师做报告

Dr. Ed Gerstner与钟老师交流

     本网讯（通讯员宋蜜）11月26日，西安电子科技大学计算智能研究中心公茂果教授应钟燕飞教授邀请来我实验室访问交流，并作题为“Deep Neural Networks and Image Change Detection”的学术报告。      在报告中，公茂果教授首先回顾了神经网络的发展历史，指出面对大数据的诸多挑战，深度神经网络（Deep Neural Networks,DNN）在一些应用领域展示出明显的优势和潜力。针对深度神经网络稀疏学习模型（DNN Sparse Learning Model）中的稀疏程度控制参数难以确定的问题，提出将稀疏学习问题建模成多目标优化问题，分别把保真项和稀疏项作为两个目标，对其同时进行优化，得到一组折衷解。

     公教授汇报了深度神经网络解决空时影像变化检测关键难题上的一些最新进展。针对多源遥感数据的数据结构差异大和高维数据的冗余度高等问题，指出深度神经网络是一种高度可塑性的模型，可以灵活地对复杂数据进行建模，而且具有表示学习和特征抽象的特性，能够处理各种种类的，有大量冗余的数据。进而提出了基于深度神经网络的合成孔径雷达影像变化检测方法（DBN）和多源遥感影像变化检测方法（DCCN）。DBN为端到端的非监督模型，利用深度神经网络具有较强的学习和分析识别性能，在一个神经网络中实现差异图生成和分析的功能，直接由两幅输入图像得到变化检测结果，从而避免了差异图生成方法对结果的影响。DCCN通过深度学习获得原始数据的更高级表达，然后在特征空间学习到两者之间的映射关系，然后通过该映射函数把多源数据变换到一个共同的特征空间，进而实现特征的比较。

     报告引起了师生的激烈讨论提问，公茂果教授进行了深入浅出的解答。最后，钟燕飞教授在总结报告会时，代表师生向公茂果教授的来访交流表示衷心感谢。称赞这次学术报告内容层次高，内涵丰富，讲解透彻，让广大师生受益匪浅。

     公茂果教授是西安电子科技大学计算智能研究中心负责人，陕西省重点科技创新团队负责人。主要研究方向为计算智能理论及其在数据和影像分析中的应用。主持完成国家863计划、国家自然科学基金等十余项课题，发表SCI检索论文100余篇，被引用4000余次，获国家发明专利授权10余项，获国家自然科学奖二等奖1项。曾获国家自然科学基金委“优秀青年基金”、"国家高层次人才特殊支持计划"中组部青年拔尖人才、霍英东青年教师奖、教育部新世纪优秀人才支持计划、中国高被引学者等荣誉或奖励。

公茂果教授做报告

师生交流

     2016年5月27日至29日，第3届演化计算与学习研讨会ECOLE2016在上海华东师范大学顺利召开。ECOLE研讨会的主要目的是为演化计算、自然计算、启发式优化、模式识别与机器学习研究领域内的国内青年学者提供一个学术交流与展示的平台，希望通过促进领域内青年学者的交流与合作，促成有影响力的学术成果。本届研讨会邀请到罗亚中教授、公茂果教授等青年专家做了精彩的大会报告。我组博士研究生马爱龙和硕士研究生宋蜜参加了本次会议，认真听取了主讲教师的报告，并积极与学术同行进行了深入的沟通和交流，对演化算法的应用和发展有了更深刻的认识。

     本网讯（通讯员刘艳飞）4月12日，英国曼彻斯特大学环境教育发展学院规划与环境管理系讲师Nuno应钟燕飞教授邀请来我实验室访问交流，并作题为“Multi-scale cellular automata models for understanding urban systems”的学术报告。

     元胞自动机由于其在空间复杂系统的时间动态演变方面的杰出表达能力，已被广泛应用于社会学，生物学，生态学，信息科学，计算机科学等领域，并成功应用于城市复杂系统模拟。Nuno在城市建模、规划领域研究成果丰硕，并在2010年 Environment and Planning B: Planning and Design获选最佳论文。

     在报告中，Nuno回顾了元胞自动机模型的进展历史，以及元胞自动机的多种定义，针对传统单尺度元胞自动机模型在城市土地利用等等方面建模中的局限性，提出了多尺度元胞自动机，并在报告中展示了提出的多尺度方法在葡萄牙、西班牙城市土地利用等多个方面的建模结果。

     Nuno对元胞自动机在城市建模理解中的应用作了分析。他认为，相较于传统的单尺度模型，多尺度模型引入了更灵活的元胞、元胞结构及邻域关系，具有更强的表达能力。

     报告会后，师生踊跃请教交流，Nuno对提问详细解答，并针对利用元胞自动机对城市具体问题建模给出了建议。

    Nuno是曼彻斯特大学环境教育发展学院规划和环境管理系讲师，科英布拉大学助理教授，城市政策研究中心成员，西班牙加泰罗尼亚工业大学土地政策与评估中心研究员，研究方向主要为土地利用和交通规划建模，已发表学术论文40余篇，参与多个由英国、葡萄牙、西班牙、意大利和欧洲机构资助的研究计划，并于2010年在Environment and Planning B: Planning and Design获得最佳论文，荣获布雷赫尼奖。

Nuno做报告

在会师生专注听报告

     3月29日，中国科学院遥感与数字地球研究所骆剑承研究员和浙江海洋大学吴伟志教授应遥感影像信息处理研究室主任张良培教授的邀请前来我实验室作学术报告，报告在测绘遥感信息工程国家重点实验室二楼报告厅举行。报告会由钟燕飞教授主持。

    报告会上，吴伟志教授首先作了题为《多粒度标记数据的知识表示与知识获取》的学术报告。报告分为大数据挑战，粒计算研究情况简介，粒计算基本概念和研究的问题，多粒度数据表示模型，多粒度数据表的知识获取，挑战等6个部分。首先吴伟志教授分析了粒计算的背景需求——大数据挑战，其次回顾了国内外粒计算研究的历史和进展，重点回顾了地理信息方面的应用进展，接着对粒计算的基本概念和所要研究问题做了简单介绍, 随后提出了粒计算研究的一个形式化表示模型，对在多粒度信息系统中基本信息粒度的表示、最优粒度的选择及其在不同粒度下决策规则提取方法进行了介绍，最后分析归纳了当前粒计算面临的问题，指出了该领域面临的一些挑战。在会师生对吴伟志教授的报告表现出了浓厚的兴趣，并就粒计算在地学方面的研究与应用问题向吴伟志教授请教交流，吴伟志教授针对提出的问题进行了详细的解答。

    骆剑承研究员作了题为《遥感大数据图谱认知与计算》的学术报告。报告分为遥感大数据图谱协同计算背景分析，研究目标，理论体系，技术体系等4个部分。首先骆剑承研究员分析了当前我国和世界其他各国遥感卫星发展趋势，指出随着遥感大数据时代的到来，需要遥感大数据图谱协同计算来构建起遥感大数据资源和时空大数据用户之间的桥梁，实现信息畅通无阻的流转，其次，提出了遥感大数据图谱协同计算的4个研究目标和实现遥感大数据图谱协同计算的理论体系，最后针对提出的研究目标和理论体系，构建了实现遥感大数据图谱协同计算的4大技术体系，并针对4大技术体系展开了详细的论述，展示了4大技术体系在国产卫星大区域影像合成，农作物种植结构遥感监测等领域的研究成果。会后针对师生的提问，骆剑承研究员进行了深入浅出的解答。

    最后，钟燕飞教授在总结报告会时，代表师生向骆剑承研究员和吴伟志教授来校访问交流表示衷心感谢。两位学者的学术报告内容层次高，学术性强，内涵丰富，讲解透彻，对广大师生开展科研工作具有较强的现实指导意义。

    吴伟志是浙江海洋大学教授，数理与信息学院院长、党总支副书记。主要研究方向：粗糙集、概念格、随机集、粒计算、数据挖掘和信息融合。曾获2005年全国优秀博士学位论文提名奖、教育部科学技术进步奖一等奖、国家科学技术进步奖二等奖、浙江省自然科学奖二等奖、2007年度首届“中国百篇最具影响的优秀国内学术论文奖”。已主持国家自然科学基金面上项目5项、浙江省自然科学基金重点项目1项，在国内外学术期刊和国际学术会议上发表论文150多篇，其中SCI收录论文41篇，发表的SCI收录论文在Web of Science上被引1000多次，SCI他引900余次，单篇最高被引用170多次，2篇论文名列国际计算机领域学科高引用率（SCI）论文的top 1%。担任杂志《International Journal of Computer Science and Knowledge Engineering》主编、《International Journal of Machine Learning and Cybernetics》副编辑、4个国际学术期刊和中文核心期刊《计算机科学》与《模糊系统与数学》的编委。

    骆剑承是中国科学院遥感与数字地球研究所研究员，以高性能遥感信息计算、分析与服务作为主要的研究方向，提出了遥感图谱认知理论和自适应计算方法，研制了我国首套高性能云服务的遥感计算平台（IPM-MyHome），为全面构建面向国家、部门和全球应用的高分辨率空间信息产品主动服务系统奠定了坚实基础。先后承担国家科技支撑、863计划、自然科学基金等国家项目10余项，地方支持项目10余项，合作出版4本专著和图集（《遥感影像地学理解与分析》、《高分辨率遥感影像计算与分析》等），在国内外学术刊物或国际会议上发表学术论文100余篇，其中被SCI、EI检索20余篇。其研究成果“泰坦V6.0及其智能空间信息处理技术”获北京市科技进步二等奖，“森林资源遥感监测技术与业务化应用”获国家科技进步二等奖，“飞行模拟视景关键技术研究”获天津市科技进步二等奖。

吴伟志教授作报告

骆剑承研究员作报告

与师生交流

    近日，钟燕飞教授受《国际遥感》（International Journal of Remote Sensing，IJRS）主编Tim Warner教授邀请，担任该期刊副主编（Associate Editor）。

    《国际遥感》历史悠久，创刊于1980年，是遥感领域的著名期刊，2014年影响因子为1.652。该刊发表文章内容涉及遥感的理论和应用，涵盖大气、生物圈、冰冻圈和陆地遥感等。其主题包括：遥感观测平台及传感器；遥感数据收集、分析、解译和显示；遥感应用等。

     2016年1月8日下午，中国科学院计算机技术研究所的山世光研究员应钟燕飞教授邀请前来访问，在武汉大学测绘遥感信息工程国家重点实验室二楼会议室带来了一场精彩的题为“深度学习及其在人脸识别上的应用”的学术汇报。深度学习由于其在特征学习方面的优越性能，已经成为当前计算机视觉的研究热点，并在人脸识别领域获得巨大成功。山世光研究员领导的团队在人脸识别领域研究成果丰硕，并在ICCV 2015 ChaLearn Looking at People Challenge获得冠军和亚军，FG2015视频人脸识别竞赛获第一名。此次报告回顾了人脸识别研究的近期进展，特别是过去三年来，学术界和工业界利用大规模人脸图集训练卷积神经网络模型获得的state of art 结果情况，并展示了中科院计算所视觉信息处理与学习（VIPL）研究组在深度学习及其应用上的研究成果。

    报告中，山世光研究员对深度学习在人脸识别中应用作了分析，认为相较于传统人脸识别算法中采取的特征提取和特征降维两步走方法，深度学习的应用具体体现在特征提取应用的一体化，实现了端对端的训练。报告会后，在场师生踊跃请教交流，山世光研究员对提的问题给出了详细解答，并针对该如何看待学习深度学习给出了自己的建议。