研究兴趣/Research Interests

主要从事机器学习、图像处理、大数据分析及其在人脸、手写体数字识别、图像分类、遥感信息处理的亚像元级解译、融合、目标检测等方面的理论与应用研究。截止2019年6月,在国内外学术期刊上发表论文30余篇,其中SCI检索20余篇,IEEE系列期刊8篇;主持国家自然科学基金面上项目,青年项目,博士后项目,参与科技部重点研发项目、国家自然科学基金面上项目等十余项;担任IEEE TIP, IEEE TSP, IEEE TGRS,IEEE NNLS,IEEE SPL,IEEE GRSL,IEEE JSTARS,IJRS,PR, Nerual Networks等二十余个国际权威期刊的审稿工作;研究成果谷歌学术引用450余次。当前研究兴趣主要集中在:1.  深度学习;2. 目标检测; 3. 大数据分析方法;4. 全色锐化。

1. 在深度学习方面

主要探索大脑的深度结构和快速推断机制来进行深度学习算法的性能提升以及其在其它方面的应用,代表性论文:                           

  1. Zengjie Song, Jiangshe Zhang, Guang Shi, Junmin Liu, ``Fast Inference Predictive Coding: A Novel Model for Constructing Deep Neural Networks,’’ IEEE Transactions on Neural Networks and Learning Systems, 30(4): 1150-1165, 2019. (SCI; 2017 年影响因子:7.982)
  2.  Kai Sun, Jiangshe Zhang, Hongwei Yong, Junmin Liu, "FPCANet: Fisher discrimination for Principal Component Analysis Network" , Knowledge-Based Systems, 166: 108-117, 2019. (SCI; 2017 年影响因子:4.396)
  3. Changsheng Zhou, Jiangshe Zhang,  Junmin Liu, ``Lp-WGAN: Accelerate and Stabilize WGAN via Normalizing Weights'',  Knowledge-Based Systems, 161: 415-424, 2018. (SCI; 2017 年影响因子:4.396)
  4. Jiangshe Zhang, Nannan Ji, Junmin Liu, Jiyuan Pan, Deyu Meng, “Enhancing Performance of the Backpropagation Algorithm via Sparse Response Regularization,” Neurocomputing, 153: 20-40, 2015.  (SCI; 2017 年影响因子:3.241)

 

2. 在遥感信息处理方面

对高光谱结混模型的几何解释,端元提取算法设计及加速,解混精度等做了大量研究,例如:设计了基于凸面几何的端元提取加速框架,提出了一种基于Householder变换的最大单纯形体积端元提取方法,给出了一种局部邻域加权非负矩阵分解光谱结混方法,首次将压缩感知模型引入到稀疏光谱解混当中,提高了解混的精度,并有望降低星载传输数据的成本,其成果已发表于遥感学科的国际权威期刊,如IEEE Transactions on Geoscience and Remote Sensing(IEEE TGRS), IEEE Journal of Selected Topics in Applied Earth and Remote Sensing(IEEE JSTARS), International Journal of Remote Sensing(IJRS)等。在遥感图像的全色瑞环方面,提出了一种改进的自适应HIS算法。该方法能够自适应的调节每个波段空间细节注入量的权重,对QuickBird和IKONOS卫星数据的实验结果验证了算法的有效性。此外,针对传统方法在提取空间细节的时候未充分利用低分辨率多光谱图像的结构信息的问题,给出了两种基于导向滤波的多光谱融合方法。该方法以多光谱图像为导向,通过最小化全色图像的输入和滤波结果来提取丢失的空间细节信息,在QuickBird、WorldView-2、IKONOS等卫星数据上的实验表明了算法不但快速——适用于大尺度融合,而且有效——能同时保持光谱信息和提高空间分辨率。其成果已发表于国际权威期刊IEEE Geoscience and Remote Sensing Letters (IEEE GRSL), International Journal of Remote Sensing上. 代表性论文:                     

  1. Junmin Liu, Jing Ma, Rongrong Fei, Huirong Li, Jiangshe Zhang, ``Enhanced back-projection as postprocessing for pansharpening,’’ Remote Sensing, 11(6): 712, 2019. (SCI; 2017 Impact Factor: 3.406)
  2. Rongrong Fei, Jiangshe Zhang, Junmin Liu, et al, "Convolutional sparse representation of injected details for pansharpening", Accepted by IEEE Geoscience and Remote Sensing Letters, 2019. (SCI; Supplementary Materials: CSRD_ADD.pdf; 2017 Impact Factor: 2.892)
  3. Rongrong Fei, Jiangshe Zhang, Junmin Liu, et al, "Manifold regularized Sparse Representation of Injected Details for Pansharpening", Accepted by International Journal of Remote Sensing, 2019.  (SCI; 2017 Impact Factor: 1.782)
  4. Junmin Liu, Yongchang Hui, Peng Zan, ``Locally linear details injection model for pansharpening,’’ IEEE Access, 5: 9728-9738, 2017. (SCI; 2017 Impact Factor: 3.557)
  5. Junmin Liu,, Shunlin Liang, ``Pansharpening Using a Guided Filter,’’ International Journal of Remote Sensing, 37(8): 1777-1800, 2016. (SCI; 2017 Impact Factor: 1.782)
  6. Yee Leung, Junmin Liu, Jiangshe Zhang, “An Improved Adaptive Intensity-Hue-Sateration Method for the Fusion of Remote Sensing Images,” IEEE Geoscience and Remote Sensing Letters, 11(5): 985-989, 2014. (SCI; 2014 Impact Factor: 2.095)
  7. Junmin Liu, Jiangshe Zhang, Yuelin Gao, Chunxia Zhang, and Zhihua Li, "Enhancing Spectral Unmixing by Local Neighborhood Weights," IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 5(5): 1545-1552, 2012. (SCI;  2014 Impace Factor: 3.026)
  8. Junmin Liu, Jiangshe Zhang, "A New Maximum Simplex Volume Method based on Householder Transformation for Endmember Extraction", IEEE Transactions on Geoscience and Remote Sensing, 50(1): 104-118, 2012. (SCI;  2014 Impace Factor: 3.514)
  9. Junmin Liu, Jiangshe Zhang, "Analysis and Acceleration Strategy of Endmember Extraction Algorithms based on Convex Geometry," International Journal of Remote Sensing, 33(21): 6722-6748, 2012. (SCI;  2014 Impace Factor: 1.652)
  10. Junmin Liu, Jiangshe Zhang, "Spectral Unmixing via Compressive Sensing," IEEE Transactions on Geoscience and Remote Sensing, 52(11): 7099-7110, 2014. (SCI;  2014 Impace Factor: 3.514)

 

3. 在基于矩阵分解的表征学习方面

数据的高维性造成维数灾难问题,且使得直接对高维数据的建模成为困难。为了应对这一问题,子空间聚类的概念得以发展,其基本思想是假定高维数据位于一些低维子空间当中,且每个类对应一个子空间。针对此问题,提出了一种基于流行正则化的低秩子空间聚类模型(LapLRR)。 LapLRR能够同时考虑数据的全局欧式结构和局部流行结构,从而能够有效学习数据的本质低维表示,进而提高聚类的效率和精度。在模拟数据,手写体数据库,人脸数据库等标准数据集上验证了算法的有效性。其成果已发表于IEEE Transactions on Image Processing(IEEE TIP), Neurocomputing 等杂志。代表性论文:

  1. Huirong Li, Jiangshe Zhang, Guang Shi, Junmin Liu, "Graph-based discriminative nonnegative matrix factorization with label information", Neurocomputing, 266: 91-100, 2017. (SCI; 2014 Impact Factor: 2.083)
  2. Huirong Li, Jiangshe Zhang, Junmin Liu, "Graph-regularized CF with local coordinate for image representation", Journal of Visual Communication and Image Representation, 49: 392-400, 2017. (SCI; 2014 Impact Factor: 2.083)
  3. Huirong Li, Jiangshe Zhang, Junmin Liu, "Graph-based discriminative concept factorization for data representation", Knowledge-Based Systems, 118: 70-79, 2017.
  4. Huirong Li, Jiangshe Zhang, Junmin Liu, “Class-Driven Concept Factorization for Image Representation”, Neurocomputing, 42(3): 278-292, 2016. (SCI; 2014 Impact Factor: 2.083)
  5. Junmin Liu, Yijun Chen, Jiangshe Zhang, and Zongben Xu, ”Enhancing Low-Rank Subspace Clustering by Manifold Regularization,” IEEE Transactions on Image Processing, 23(9): 4022-4030, 2014. (SCI; 2014 Impact Factor: 3.625)

 

4. 其它感兴趣的方面

压缩感知:

  1. Shengcai Liu, Jiangshe Zhang, Junmin Liu*, Qingyan Yin, ``L_{1/2,1} group sparse regularization for compressive sensing,’’ Signal, Image and Video Processing, 10: 861–868, 2016. (SCI; 2014 Impact Factor: 1.430)

图像质量评价:

  1. Zengjie Song, Jiangshe Zhang, Junmin Liu, "No-Reference Image Quality Assessment Using Image Saliency for JPEG Compressed Images", Journal of Imaging Science and Technology, 2016.

智能计算方法及其应用:

                                                    

                                                  

在图像分割中的应用

                                                                                                                

 在图节点着色中的应用

                                                                            

  1. Chunxia Zhang*, Guanwei Wang, Junmin Liu, ``RandGA: injecting randomness into parallel genetic algorithm for variable selection,’’ Journal of Applied Statistics, 42(3): 630-647, 2015. (SCI; 2014 Impact Factor: 0.445)
  2. Yuelin Gao, Junmin Liu, "A modified differential evolution algorithm and its application in the training of BP neural network", IEEE/ASME International Conference on Advanced Intelligent Mechatronics, 2008. 
  3. 刘军民, 高岳林, "混沌粒子群优化算法," 计算机应用, 28 (2): 322-325, 2008.

 

科研项目/Research Projects

项目编号

项目名称

项目来源

主持/参与

经费

时间

11401465

基于数据自表示的高光谱遥感图像解混技术研究

国家自然科学基金

青年项目

主持

22万

2015-2017

2014M560781

基于流形和行稀疏正则化的数据自表示高光谱解混研究

中国博士后科学基金

项目

主持

8万

2014-2016

xjj20140101

高光谱解混技术研究

中央高校基本科研

项目

主持

5万

2014-2016

61877049

遥感图像全色锐化问题的深度生成式建模与迁移学习研究

国家自然科学基金

面上项目

主持

52万

2019-2022

 

     

11201367

面向高纬小样本数据的集成分类方法研究

国家自然科学基金

青年项目

参与

22万

2013-2015

61572393

不对称前后向连接深度结构模型和深度学习算法研究

国家自然科学基金

面上项目

参与

64万

2016-2019

11126277

聚类集成方法在往复式压缩机故障诊断中的应用研究

国家自然科学基金

天元项目

参与

2万

2012-2013

11671317

基于概率生成模型的高维数据变量选择

国家自然科学基金

面上项目

参与

48万

2017-2020

2018YFC0809001

基于大数据的特种设备预测预防技术研究

科技部重点研发

计划项目

研究骨干

287万

2018-2021