孙卫东
长期从事卫星遥感图像处理、图像处理等方面的研究工作,在混合像元分解、深度学习、迁移学习、字典学习、稀疏表示、低秩表示等领域有很好的技术积累。在深度学习方面,曾针对卫星遥感图像的空间与光谱超分辨率问题,提出过“基于深度学习的多波段图像光谱超分辨率重建方法”、“基于光谱库学习的光谱超分辨率重建方法”;在迁移学习方面,曾针对小样本医学图像的病灶检测与识别问题,提出过“基于迁移学习与特征融合的超声图像甲状腺结节良分类方法”、“结合深度学习与临床知识的序列超声图像甲状腺结节检测与分类方法”;在低秩表示方面,曾针对海上弱小舰船目标和红外目标检测问题,提出过“基于形态成分分析的复杂背景SAR图像舰船尾迹检测方法”、“基于RPCA与奇异值最小比的红外小目标自适应检测方法”;在稀疏表示方面,曾提出过“基于多尺度结构自相似的单幅图像超分辨率算法”、“基于光谱相似性的高光谱图像超分辨率算法”、“基于低秩与组稀疏模型的高光谱图像超分辨率算法”、“基于光谱与空间域双优化字典的融合重建方法”、“基于字典优化的光谱异常检测方法”等国际领先算法,并曾先后主持开发了具有国际领先水平的“NOAA卫星图像实时接收及处理系统”、“Modis卫星图像实时接收及处理系统”、“近景目标三维测量系统”、“高空飞艇遥感平台系统”、“甲状腺超声图像病灶检测与分类系统”等多个面向应用的硬件平台与软件处理系统。