DOC《西南交通大学关于2018年度公开招聘应聘人员情况》

西南交通大学关于2018年度公开招聘应聘人员情况 应聘人: 张绍泉 应聘岗位: 师资博士后 应聘单位:信息科学与技术学院 应聘单位负责人签章:

1、基本情况 性别 男 国籍 中国 籍贯 江西抚州 现任专业 技术职务 无 任职时间 出生年月 1990年9月 现工作单位或人事关系所在部门 最后学位 博士 授予学位单位 中山大学 最后学习阶段导师 李军 教授 国内外主要学术及社会兼职 担任国际期刊IEEE Transactions on Geoscience and Remote Sensing、IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensig、IEEE Geoscience and Remote Sensing Letters、Journal of Applied Remote Sensing的审稿人 从事专业 地图学与地理信息系统 主要学术成绩、创新成果及评价 (限800字以内) 个人主要研究方向:高光谱遥感图像处理、信号处理.

针对遥感图像中不存在纯像元以及现有解混方法抗噪性能差等问题,结合约束理论提出了鲁棒的最小体积单形体分析算法,针对该模型,利用内点法对二次规划问题进行优化求解,极大地降低了算法的复杂度,使得算法适应于观测场景中地物的复杂混合问题,解决了在纯像元不存在和数据污染严重(噪声多、有奇异值)等情况下对高光谱图像进行盲信号分离的难题. 针对目前大多稀疏解混模型仅从光谱角度分析,未充分利用像元间丰富的空间信息等问题,通过引入空间局部邻域加权因子表征高光谱图像邻域像元间的空间相关性,同时利用协同稀疏正则项刻画丰度系数的行稀疏性,提出了空间局部邻域协同稀疏解混方法,用以促进像元的局部协同稀疏性.实验结果表明该方法能够充分利用遥感图像的空间局部信息,更好的保持图像的空间结构及细节信息. 针对高光谱图像表现出的空间不连续性问题,利用sobel算子提取出图像的不连续性特征,将获得的空间不连续性特征作为加权因子,引入现有的稀疏解混模型,提出了空间不连续性加权稀疏解混模型.该模型在不增加算法复杂度的同时引入了图像的空间信息.实验结果表明,所提方法能够很好的保持图像的空间异质信息以及提升丰度估计的结果. 针对传统稀疏解混方法对丰度系数的稀疏性先验表征不充分,导致算法稳定性差,以及未有效融合图像的空间和光谱信息等问题,在分析迭代加权稀疏解混方法的基础上,提出了一种新的空谱联合加权稀疏解混模型.该模型同时引入光谱和空间加权因子,一方面利用光谱加权因子增强识别光谱库中端元的能力,一方面利用空间加权因子表征像元之间的空间相关性.实验结果表明,与其他稀疏解混方法相比,所提方法增强了解的稀疏性,保留了丰度图像更精细的结构和纹理,提高了解混精度. 以上成果发表学术论文11篇(第一或通讯作者6篇),其中SCI收录6篇、 EI收录4篇(SCI与EI论文不重复计算. 明确:第一作者或通信作者论文:A++

3 篇;

A+

1 篇;

B+

1 篇.

2、学习经历 学历/学位 起止时间 毕业学校 所学专业 导师 培养方式 本科 2008.9-2012.7 南昌工程学院 通信工程 全日制 硕士 2012.9-2015.1 南昌工程学院 动力工程 邓承志 全日制 博士 2015.8-2018.7 中山大学 地图学与地理信息系统 李军 全日制

3、论文情况(5篇以内代表性论文): 序号题目 发表刊物或 出版单位名称 年度 期号 作者 排名 第一作者 单位 刊物性质及期刊号 论文 分区 (学术期刊分级A++ 等,SCI?区 期刊类别影响因子及排序 他人引用次数