西安电子科技大学人工智能学院科学研究

1. 基于自然智能的学习与优化基础理论

针对智能信息处理领域基础理论相对薄弱、理论体系有待完善、应用瓶颈问题有待突破的现状，焦李成教授带领学术团队在国家自然科学基金重点项目、国家“863”计划及国家“973”子项等资助下，对基于免疫协同进化和子波神经计算的智能学习与优化理论及方法进行了深入研究。研究团队从建立高效、鲁棒的神经网络模型入手，进一步设计了鲁棒、快速的学习方法，并建立了高效、鲁棒的优化方法。取得了一批原创性的、填补国际空白的学术成果：

（1）面向高维、非结构化数据的回归逼近对高效、鲁棒的神经网络模型的迫切需求，建立了神经网络的非线性动力学模型和连接稳定性判据，解决了神经网络通用稳定性判别难题；提出了多子波神经网络模型，获得了良好的相容性和逼近阶，缓解了传统神经网络规模随输入模式维数的增长呈指数增长的瓶颈问题，较好地解决了子波函数高维奇异性检测与逼近能力弱的问题。为处理高维、非结构化大数据提供了有效的解决方案。

（2）面向相对“小样本”和海量大规模数据学习对鲁棒、快速学习方法的需求，构造了满足Mercer条件的尺度核和父子波正交投影核，提出了基于尺度核和父子波正交投影核的支撑向量机，获得了良好的逼近性能和推广能力；把Mercer核推广到经验映射函数，建立了隐空间支撑向量机和隐空间主分量分析模型，缓解了核函数方法必须受Mercer条件限制的瓶颈难题；为缓解高斯过程计算复杂度缺陷，提出了快速稀疏逼近最小二乘支撑向量机，对大规模、不稀疏的问题，显著减少了优化尺度并提高了解的稀疏性。为处理相对“小样本”的大数据提供了快速的学习方法与稀疏的解决方案。

（3）面向大规模、多目标NP-Hard优化对高效、鲁棒优化方法的迫切需求，构造了免疫协同进化计算理论框架，建立了个体协同与竞争的智能体网络信息交互模型，有效改善了进化算法中遗传操作的盲目性和早熟问题，缓解了进化计算解决大规模问题时收敛速度慢的难题；进一步建立了协同认知免疫动力学计算框架，提出了基于克隆选择的班德文学习和拉马克学习两类个体协同学习模型，实现了对十万维大规模NP-hard优化问题的高效求解，为解决实际工程中的大规模优化问题提供了高效的方法。

建立的免疫协同进化和子波神经计算理论模型对数值优化问题、欺骗问题、组合优化问题、约束满足问题等基准测试问题的求解结果，优于国内外文献报道的结果。在千万级海量数据分类、万维以上大规模优化、超大规模集成电路布图等问题上取得了国内外未见报导的成果，并成功应用于复杂图像分类和目标识别以及网络数据分析等问题。

研究成果产生了广泛的国际学术影响，在主流期刊发表SCI检索论文84篇，出版专著4部，主要论著SCI他引800余次，他引总次数为6000余次，得到了多位院士和IEEE Fellow在内的国内外学者的积极评价，被评价为具有国际领先水平的研究成果，获国家发明专利授权10项，获省部级科学技术奖一等奖3项，促进了我国智能信息处理领域的研究发展。

这方面的研究成果获得2013年国家自然科学奖二等奖。

2. 图像结构建模与视觉表观重构理论方法研究

针对图像结构表示尚未建立完备的理论体系，视觉感知模型对图像结构的表示机理尚不明确，视觉表观重构与图像结构表达和视觉感知机理之间的内在关系尚待发现这一现象，高新波教授带领学术团队在国家自然科学基金重点项目、国家杰出青年科学基金等项目支持下，围绕视觉计算基础理论问题，进行长达十五年的科研攻关。研究团队建立了基于信息-物理-认知三元空间融合的视觉计算框架，提出了图像结构建模新方法、视觉表观重构新模型，以及视觉质量评价新准则。所取得的研究成果极大地丰富了传统的视觉计算理论。

（1）发现了图像结构建模的理论与方法。提出张量子图像的全局-局部结构，进一步证实了本科学发现点对多因素图像结构表示的普适性。

（2）发现了视觉表观重构的理论与方法。提出基于局部-非局部结构感知可实现高质量视觉表观重构，进一步证实了本科学发现点对多个视觉表观重构的准确性。

（3）发现了视觉表观质量评价的理论与方法。提出基于图像质量评价反馈的视觉表观重构迭代优化框架，可对表观重构模型进行优化。

此外，团队所取得的研究成果具有广泛的应用前景。提出的图像结构建模可应用于图像分析、图像检索和模式识别，为特征提取提供理论指导，表观重构理论和方法可应用于高分辨对地观测相机的研制。此外，成果还可应用于异质图像合成与识别系统，如基于可见光近红外成像的身份认证系统、基于素描画像-照片的犯罪嫌疑人排查系统等，这在网上支付、智能门禁、刑侦破案等应用中，将能发挥重要作用。

研究成果产生了广泛的国际学术影响，“图像结构建模与视觉表观重构理论方法研究”项目的成果已得到60多个国家、地区，包括近10位美、英、加等国院士和30余位IEEE/ACM/IAPR/IETFellow等国际同行的高度认可，获得国家发明专利20项。这些成果中，20篇主要论文SCI他引近1000次，Google Scholar被引用2300余次。1篇论文入选ESI 2009年新热点论文，2篇论文入选ESI高被引论文，2篇论文获Signal Processing2009-2012年“Most Cited Article”国际论文奖。

这方面的研究成果获得2016年国家自然科学奖二等奖。

3. 编码混叠成像与计算重建理论与方法研究

石光明教授率领的研究团队围绕图像高分辨率成像重构理论和方法，在国家自然科学基金和863计划等持续支持下，历经10余年攻关研究，阐明了用低分辨率探测器获取高分辨率图像的机制，揭示了图像时空结构相关的计算特性，发现了感知图像结构差异性的机理，提出了适合非线性多空间结构稀疏的计算重构模型。具体科学发现如下：

（1）混叠编码成像方面：阐明了用单点探测器获取高分辨率信息的机制，揭示了混叠编码感知和先验解耦的高分辨率成像新机理，突破了传统信息采样的分辨率限制，解决了高分辨率探测完全依赖高性能探测器的瓶颈问题。

（2）图像结构表征方面：阐明了图像结构和纹理表征的空间差异性，揭示了用局部稀疏子空间实现紧致时空表达的相关规律，提出了基于稀疏子空间选择的图像结构表征方法，发现了通过感知图像结构自相似性实现稀疏子空间学习的计算关系，建立了基于稀疏子空间选择的图像结构表征体系，解决了图像结构差异性造成图像稀疏空间表达不紧致的根本性难题。

（3）图像计算重建方面：阐明了图像结构紧致表达对高分辨率图像重建的作用机制，揭示了从低分辨率图像鲁棒恢复高分辨率图像结构化标准的客观规律，发现了图像结构化稀疏先验学习与表达机理，提出了结构化模型驱动的图像计算重构方法，实现了高分辨率图像的稳健、鲁棒精确重建。

上述工作得到了美国工程院院士T. Huang，美国科学院院士S. Osher等国际同行高度评价，利用图像结构差异性构建的稀疏编码方法被评价为“高效且最优的”稀疏编码方法之一；图像结构化稀疏先验学习的计算机理被评价为“图像结构稀疏编码”方面的典范工作；结构化模型驱动的高分辨率重建方法被评价为“令人印象深刻的图像高分辨率重建方法之一”。基此成功研制了面向微纳卫星的轻量化高可靠光谱视频成像系统，应用于空天光谱探测仪器研制。

2篇代表性论文入选ESI热点论文，1篇代表性论文入选ESI高被引论文。8篇代表性论文SCI他引878次，Google Scholar引用1884次；单篇最高SCI他引311次，Google Scholar引用579次。第一完成人入选教育部长江学者特聘教授；第二完成人获国家优秀青年科学基金并入选教育部青年长江学者特聘教授。第二完成人现任IEEE T-IP和SIAM J.Imag. Sci.编委。

这方面的研究成果获得2017年国家自然科学奖二等奖。

4. 校企协同、教科融合、多元开放，深化现代电子信息实践教学改革的探索与实践

针对存在所学知识落后现代企业需求，高水平实验师资匮乏，学生创新意识不强、实践能力薄弱等问题，石光明教授牵头的团队自2005年3月以来，依托国家级“电工电子实验教学示范中心”、国家级“电工电子教学基地教学团队”、国家级精品资源共享课等多项“质量工程”和“本科教学工程”项目，以扎实培养本科生创新能力为目标，提出了“先进、协同、融合、开放、共享、高效”的指导思想，确定了“与国际知名企业深度协同，教学与科研、理论教学与实践教学高度融合，实验内容、平台与方法必须与企业需求紧密结合，时空全面开放，培养个性化、系统化”的教学理念和改革路线，持续深入探索和实践，取得了如下成果：

（1）形成了“名师、名课、名教材、名实验”。凝聚了国家级教学名师和长江学者领军的实验教学队伍，新建成3门国家级精品课程（共6门），4门国家级资源共享课，5部教材获省级优秀教材奖，系列研究型综合设计实验成为品牌实验。出版实验教材22部。

（2）构建了“经典与现代、先进与基础、硬件与软件、个体与组队、课内与课外”相结合的多层次、渐进式的现代电子信息实践教学新体系。

（3）与国际知名电子信息公司协同，创建了一流的实践教学平台和环境，建成了2个国家级实验教学示范中心，33个与国际著名企业联合的新技术实验室，3个学生自主创新工作室，31个课外科技兴趣俱乐部。

（4）提出了集成化课程构建概念，打破课程壁垒，注重关联性，每位教师必须兼任理论课和实验课，践行了“跨学期、跨课程、分阶段、连续性、从单元到系统”的综合设计实验新方案。

（5）提出了符合现代电子设计方法学的“虚实”结合实验方法，建成了5个虚拟仿真实验室，成为首批国家级虚拟仿真实验示范中心建设单位。

（6）自主研发新实验装置41种1100套，新实验项目52项，形成了实践教学内容更新机制。

（7）创建了完善的信息化管理系统和“口袋内实验室”，实验室全面开放。

主要解决的教学问题：

（1）如何适应电子信息技术飞速发展，保证实践教学先进性，引领实践教学改革。

（2）如何提高学生自主学习积极性和创造性，增强人才核心竞争力。

全校每年80%以上专业的近万名学生受益。学生科技作品成千涌现。在全国各类电子信息创新竞赛中，获国家奖134项，名列全国前茅。成果被同行高校应用，名实验在全国推广，获得包括海内外同行好评。

这方面的研究成果获得2014年国家级教学成果二等奖。

5. 高分辨SAR影像变化检测关键技术及系统平台

SAR影像变化检测在资源和环境监测、灾害监测和评估、城镇区域规划与动态监控、军事测绘和打击效果评估等领域都有着越来越多的需求与应用，也是我国高分辨率对地观测重大专项研究的关键技术之一。目前该领域的核心技术仅仅掌握在少数发达国家手中，而客观存在的西方技术壁垒问题，使得我国在SAR影像处理和分析的理论、技术与系统平台方面均相对比较落后。焦李成教授领导其团队在国家自然科学基金、国家“863”计划、科技创新工程重大项目等项目的资助下，针对SAR影像变化信息难以有效表示与学习、检测方法过度依赖影像差异图的瓶颈难题，通过自主创新，在变化信息稀疏表征、精准提取与智能分析等关键技术上取得了突破性进展，实现了SAR影像变化检测从基础理论研究到应用技术开发的转化，大力推动SAR影像在各行各业的应用，带来可观的经济效益。同时对完善我国SAR技术应用产业链，打破国外在SAR影像处理领域的垄断地位，也具有重要的社会效益。

主要技术发明：

（1）发明了SAR影像学习变化检测技术，突破了相干斑噪声下变化信息难以有效表示与提取的瓶颈难题。结合SAR成像机理与地物散射特点，探索了基于方向特征和稀疏学习的变化信息表示，将贝叶斯理论与多尺度几何分析相结合，基于贝叶斯最大后验估计理论，设计了考虑变化信息方向聚集性的变化提取模型；利用SAR影像的结构自相似性特点，建立了能够自适应表示影像块的字典，构造了基于结构模型的变化信息获取方法。

（2）发明了基于启发式进化聚类的SAR影像变化检测技术，解决了变化检测过度依赖影像差异图的瓶颈问题。借助生物智能的进化学习与协同感知机制，对候选变化区域进行智能分析，利用协同认知Memetic计算模型所具有的局部自适应学习与全局优化、选择性记忆与遗忘、容错分类等特性，构造了启发式进化聚类算法，建立了利用局部统计信息指导全局寻优的协同认知 Memetic 计算框架，发明了基于量子免疫克隆算法的SAR影像变化检测技术。

（3）研制了基于CPU/GPU混合架构的SAR影像配准和变化检测系统平台，实现了近线性的并行处理，系统平台可支持SAR影像去噪、配准和变化检测等功能，并成功应用于省内外多家相关单位。

上述发明内容获国家发明专利授权64项，软件著作权5项，30篇科研论著SCI他引494次（其中10篇主要论文专著他引225次），在国内外有重要的学术影响。所研制的SAR变化检测系统平台与国内外类似系统相比在影像配准和变化检测方面达到国际先进水平，研究成果得到了鉴定委员会的一致认可，认为 “项目研究成果已在多家单位应用，经济效益和社会效益显著”。研究成果总体处于国际先进水平，在SAR影像变化特征表示和学习方面处于国际领先地位。这方面的研究成果获得2017年陕西省科学技术奖一等奖。

6. 编码混叠成像与计算重建理论方法研究

高分辨率成像在国防安全、遥感探测、医学成像等方面一直具有重大应用需求。在传统成像方法中，CCD探测器分辨率、探测信号带宽等决定了成像的分辨率。受制于探测器分辨率、信号带宽限制，高分辨率探测成像是一个长期亟待解决的难题。此外，结合图像先验知识，从低分辨率观测图像计算重建出高分辨率图像是目前高分辨成像的一个重要发展方向。如何设计稳健的图像感知系统，揭示图像计算重构机理，构建图像结构计算重建模型，打破图像高分辨率成像的桎梏，是长期困扰国际学术界的一个根本性难题。

围绕图像高分辨率成像重构理论和方法，石光明教授带领学术团队在国家自然科学基金和863计划等持续支持下，历经10余年攻关研究，阐明了用低分辨率探测器获取高分辨率图像的机制，揭示了图像时空结构相关的计算特性，发现了感知图像结构差异性的机理，提出了适合非线性多空间结构稀疏的计算重构模型。具体科学发现如下：

（1）混叠编码成像方面：阐明了用单点探测器获取高分辨率信息的机制，揭示了混叠编码感知和先验解耦的高分辨率成像新机理，突破了传统信息采样的分辨率限制，解决了高分辨率探测完全依赖高性能探测器的瓶颈问题。

（2）图像结构表征方面：阐明了图像结构和纹理表征的空间差异性，揭示了用局部稀疏子空间实现紧致时空表达的相关规律，提出了基于稀疏子空间选择的图像结构表征方法，发现了通过感知图像结构自相似性实现稀疏子空间学习的计算关系，建立了基于稀疏子空间选择的图像结构表征体系，解决了图像结构差异性造成图像稀疏空间表达不紧致的根本性难题。

（3）图像计算重建方面：阐明了图像结构紧致表达对高分辨率图像重建的作用机制，揭示了从低分辨率图像鲁棒恢复高分辨率图像结构化标准的客观规律，发现了图像结构化稀疏先验学习与表达机理，提出了结构化模型驱动的图像计算重构方法，实现了高分辨率图像的稳健、鲁棒精确重建。

基此成功研制了面向微纳卫星的轻量化高可靠光谱视频成像系统，应用于空天光谱探测仪器研制。2篇代表性论文入选ESI热点论文，1篇代表性论文入选ESI高被引论文。8篇代表性论文SCI他引878次，Google Scholar引用1884次；单篇最高SCI他引311次，Google Scholar引用579次。部分成果获2013年陕西省科学技术奖一等奖。

7. SAR图像理解与自动目标识别技术

（1）SAR图像理解与感知

在“十五”国防科技预研项目和国家“973”子项目的支持下，针对高分辨SAR图像感知目标识别，提出了桥梁、港口和机场的目标检测方法，并在后续的分类和识别工作中引入了核学习机，克服了传统的“维数灾难”问题，完成了多脊波网络的构造与逼近性的研究。提出了自适应脊波网络和自适应学习算法，基于决策树的支撑矢量机多类模式识别方法，将上述方法用于SAR图像目标（桥梁、港口、机场）的检测，三类目标的平均识别率分别达到了92.00%、94.29%和93.33%。完成了非平稳环境下的奇异性检测进化子波网络模型、学习算法、模糊聚类算法、进化聚类算法、免疫聚类与规则提取算法，完成了自适应复子波支撑矢量机识别模型及学习算法，完成了进化聚类与分类算法，针对复杂环境下的“小样本”问题，建立了自适应Ridgelet和Curvelet识别方法。完成了子波HMM的建立及其进化学习算法，完成粗集简约方法、量子进化聚类、分类和优化算法。并将上述方法及试验系统用于雷达一维像和SAR目标识别，ISAR自适应融合识别及雷达杂波的自适应分类与识别使其平均识别率大于85%，并且有较强的容错性和推广能力。取得的创新性成果主要有：

1）关于对偶脊波构造的论文发表在Applied and Computation Harmonic Analysis (IF 1.456) 2006年第3期。

2）构造了完备的离散脊波框架，建立了快速算法，证明其构成L2(R2)中的紧框架。并在此基础上建立了一种新的系统—对偶脊波框架，研究成果发表在International Journal of Computer Vision (IF 6.085)。

3）建立了SAR图像去噪、边缘检测和目标的高维奇异性检测方法，及SAR目标的自适应分割、分类、识别与融合方法。

4）提出了基于Brushlet系数能量测度的纹理特征和基于Brushlet分解方向纹理信息特性的无监督图像分割方法。

5）提出了基于免疫克隆选择算法的最优特征子集选择方法和基于子波域隐马尔可夫树模型的非监督图像分割方法；

6）提出了高分辨SAR图像中桥梁目标和港口目标的检测方法及有效的图像融合和增强方法。

7）所完成的“十五”国防科技预研项目被总装备部评为优秀，并获“十一五”国防科技预研重点项目、教育部重大培育项目及国防重大科技基础项目的支持。

（2）SAR成像和自动目标识别技术

SAR成像技术是一项在国防和民用上具有重要战略意义的应用技术。本学科配合电子38所和电子14所，兵器206所和航天504所进行了SAR成像的算法软件研究和成像实时处理试验，取得了较好的成像处理效果。

主要创新成果有：

1）针对载机飞行不稳定，严重影响成像质量的问题，提出一种基于信号处理的机载SAR运动补偿方法。该方法相对于常规处理运算量增加很少，易于实现实时处理，并有机结合了各种成像方法，适应多种分辨率、多个波段的机载SAR成像，并成功应用于电子38所、电子14所、兵器206所和航天504所研制的试验机载SAR。该研究成果已申请国防专利。这项研究成果目前和1院704所合作，推广应用到弹载SAR成像场景匹配制导中。

2）系统地研究了机动目标ISAR运动补偿和瞬时成像方法，提出多种有效算法。这项研究在航天2院23所和720厂的飞机目标实测数据中得到很好的应用。

3）在目标识别方面，从统计理论分析和实际数据出发，研究了一维距离像的方向敏感性，以及它与各种因素的关系；提出对一定视角范围内非相干平均，抑制交叉项后可获得稳定的平均距离像模板，而大大克服方向敏感性；最后再通过实测数据研究了平均距离像的相关性质。这项研究在电子38所的舰船目标实测数据中得到应用，现正为海军和720厂研制实时舰船目标ISAR实时处理机。

8. 智能计算与机器学习理论与应用

（1）自然计算

在国家自然科学基金重点项目、国家“863”计划等资助下，我们在国内较早提出了多子波网络、复多子波网络和泛函网络、量子进化算法、量子进化规划、量子进化策略、免疫遗传算法、免疫进化规划、免疫进化策略等理论方法。所完成的国家自然科学基金重点项目在信息科学部2005年结题项目中被评为优秀。具体包括：

1）系统的研究了免疫系统的自适应性、混沌特性、免疫记忆、免疫遗忘、免疫优势、非达尔文进化等机理，提出了一系列相应的免疫算法，证明了算法的收敛性，分析了算法的复杂度以及参数效应，在理论和方法上均有所突破，形成了免疫克隆计算的基本框架，为免疫计算理论与应用的进一步研究提供了理论基础和技术支持。

2）提出了组织协同进化计算框架和模型；将多智能体系统与进化计算相结合，建立了多智能体进化计算框架。针对海量数据分类、数值优化、组合优化等问题设计了不同的算法，并证明了算法的收敛性。特别是，在海量数据分类问题和超大规模集成电路布图问题上的研究取得了重大突破，相关成果在IEEE Transactions on Evolutionary Computation上发表。基于量子计算的特性，结合进化算法和克隆选择算法，提出了相应的量子进化算法和量子免疫克隆算法框架，证明了算法的收敛性，分析了算法的复杂度以及参数效应。

3）在海量数据分类、函数优化、TSP问题、N皇后问题、多维0-1背包问题、SAT问题、通信多用户检测、组播路由、系统逼近、超大规模集成电路布图、图像处理等问题上取得了具有自主产权的结果。特别是在高维函数优化、N皇后问题等基准问题上的求解结果优于国内外文献的报道。

截至目前，研究团队在自然计算方面共计发表或录用论文214篇，其中，3篇在SCI期刊I区的top期刊发表或录用，66篇被SCI检索，105篇被EI检索，25篇被ISTP检索。撰写专著4部，专题章节3章。实验室近期在自然计算方面取得的研究成果主要有：

1)针对海量数据的分类问题，提出了组织协同进化分类算法，研究成果在SCI一区的Top期刊IEEE Transactions on Evolutionary Computation (SCI 2004年影响因子3.688, 2005年影响因子3.257)上发表。

2) 针对SAT问题，提出了求解SAT问题的组织进化算法，研究成果已在IEEE Transactions on System, Man, and Cybernetics, Part B上发表。

3) 针对数值优化问题，提出了组织进化数值优化算法，研究成果已在IEEE Transactions on System, Man, and Cybernetics, Part B发表。

4) 提出了集免疫机制和进化机制于一体的一种新的全局并行算法--免疫进化算法，研究成果已在IEEE Transactions on System, Man, and Cybernetics, Part A上发表，截至2007年10月已被SCI他引27次。

5) 基于抗体克隆选择学说及免疫记忆理论，系统阐述了一种新的人工免疫系统算法，免疫记忆克隆规划；并基于Markov链的有关性质，证明了该算法的收敛性。相关成果在《自然科学进展》上发表。

6) 结合混沌和抗体克隆选择学说，提出了一种新的人工免疫系统算法-自适应混沌克隆进化规划算法，研究成果在《中国科学E辑》上发表。

7) 基于抗体克隆选择学说和免疫优势概念，提出了用于解决多目标优化问题的一种新的人工免疫系统算法－免疫优势克隆多目标优化算法，研究成果已被《中国科学E》录用。

8) 提出了基于Pareto最优近邻选择的免疫多目标优化算法（Pareto-optimal Neighbor Immune Algorithm, PNIA)，研究成果已被SCI一区的Top期刊Evolutionary Computation Journal (MIT Press, SCI 2004年影响因子3.206, 2005年影响因子1.568)录用。

9) 提出了一种新的、适用于进化算法求解VLSI布图规划问题的布图表示方法--移动模式序列，研究成果已被SCI一区的Top期刊IEEEE Transactions on Evolutionary Computation Journal录用。

10) 2006年6月由科学出版社出版专著《免疫优化计算、学习与识别》，并获“国家三个一百原创图书奖”。

11) 2006年8月由科学出版社出版专著《协同进化计算与多智能体系统》。

12) 应IEEE Transactions on Evolutionary Computation主编Xin Yao教授的邀请，撰写关于克隆选择计算与组织进化计算的两部英文专著，并列入自然计算丛书由国外出版社出版。

（2）机器学习与模式识别

在国家自然科学基金、国家教育部重点项目的支持下，机器学习方面的研究主要集中在核机器学习。在过去几年里，基于核的学习算法取得了丰硕的成果。这些算法已被广泛应用于模式识别、回归估计、概率密度估计、时间序列预测等领域。核学习的成功主要在于两方面。其一，统计学习理论为核学习获得良好的推广能力提供了坚实的理论基础；其二，基于核的学习能表示成凸规划或特征问题，因而存在多项式时间的全局最优算法。就这两点而言，核学习超越了它的前辈如决策树和神经网络。

我们在已有研究成果基础上，结合实际需要，提出了很多有效的算法。如特征标度核Fisher分类器、核匹配追踪集成分类器、隐空间支持向量机、小波支持向量机、线形规划支持向量机等。这些算法已经成功应用于雷达目标识别、手写体识别、多用户检测等领域。因此，我们的研究不仅在理论上有较大创新，而且具有良好的应用价值和经济效益。所取得的创新性成果主要有：

1） 提出了特征标度核Fisher分类器,研究成果发表在 Neural Computation(IF 2.363, SCI-I区)2006年第2期。

2） 提出了核匹配追踪集成分类器、研究成果发表在Pattern Recogniton（IF 2.176， SCI-II区）2006年第4期上。

3） 提出了隐空间支持向量机，研究成果发表在IEEE Transaction on Neural Networks （IF 2.178, SCI-II区）2004年第6期上。

4） 提出了小波支持向量机，研究成果发表在IEEE Transactions on SMC-b （IF 1.538， SCI- III区）2004年第1期上。

5） 提出了线形规划支持向量机，研究成果发表Pattern Recognition（IF 2.176， SCI- II区）2002年第12期上。

6） 提出了用于大规模稀疏核学习的FastLASSO算法，发表在NC上；

7） 提出了基于递归有限牛顿算法的支持向量回归机，发表在IEEE NN上；

8） 提出了最小二乘支持向量机的快速稀疏逼近，发表在IEEE NN上；

9） 2006年2月由西安电子科技大学出版社出版专著《智能数据挖掘与知识发现》。

9. 多速率滤波器组的理论与应用

（1）均匀滤波器组的理论与设计

在该方面，团队已取得的成果：

1）分析比较通道数的奇偶性对完全重构以及近似完全重构余弦调制滤波器组性能的影响，进而在实际应用中对滤波器组参数的适当选取具有重要的指导性意义；

2）在近似完全重构的情形下，提出了一种新的算法。该算法在最小最大波动的意义下具有全局最优解，且设计简单、高效，这些都是其它设计方法无法与之媲美的；

3）从消除主要混叠失真的分析入手，推导出特定条件下近似完全重构线性相位滤波器组的充要条件，并将其应用于实际设计之中，已取得了很好的效果。

（2）非均匀滤波器组的理论与设计

非均匀滤波器组的实现结构大致分为间接和直接两种。间接结构是一种多级结构，它借助于均匀滤波器组的成熟理论较易于实现结构上的完全重构和线性相位特性，但其系统延时较长；而直接结构是一种单级结构，它很难实现完全重构特性。对于这两种结构，我们都进行了大量的研究工作，并已取得了一定的成果：

1）基于间接结构的完全重构非均匀滤波器组的设计；若原始的均匀滤波器组和多路复用转换器的通道数互质，分析和综合滤波器可用线性时不变系统表示或者用调制的线性时不变系统的级联形式表示。后者被用来解决由非均匀滤波器组内部产生的频谱倒置问题，它很大程度上简化了非均匀间接结构滤波器组的设计，并且可以实现某些采样因子为分数的要求。

2）基于余弦调制的完全重构非均匀滤波器组的设计；把余弦调制滤波器组运用到原始均匀滤波器组和多路复用转换器中，降低了系统的设计和实现复杂度。在原型滤波器之间加上匹配条件，原始的均匀滤波器组和合并的多路复用转换器就可以单独进行设计，并使所设计滤波器组的性能有所提高。

3）低延时完全重构非均匀滤波器组的设计；将低延时的双正交余弦调制滤波器组作为原始均匀滤波器组和合并的多路复用转换器，增加了原型滤波器的选择范围并且极大地降低了系统的延时。

4）无乘法完全重构非均匀滤波器组的设计；基于提升的双正交余弦调制滤波器组的完全因式分解来实现无乘法，可以大大降低计算复杂度并且实现结构上的完全重构。

5）树型结构完全重构非均匀滤波器组的设计；将树型结构和合并的非均匀余弦调制滤波器组结合在一起可以扩大其采样因子的范围，具有比传统树型结构滤波器组更低的延时和实现复杂度。

6）非均匀近似完全重构滤波器组的设计；采用直接结构，提出了一种线性相位近似完全重构的有理采样非均匀滤波器组的设计方法。使分析和综合滤波器满足一定的长度关系和约束条件，所得到的系统具有较高的阻带衰减和较低的系统延迟。

7）M通道无理采样滤波器组的设计；基于任意系数上采样和下采样的定义，提出了设计M通道无理采样滤波器组的新结构。

（3）二维滤波器组的理论与设计

在研究二维滤波器组和方向滤波器组的基础上，我们所开展的工作和取得的成果主要有：

1）提出了一种设计不可分离二维M通道线性相位近似完全重构滤波器组的有效方法。该滤波器组具有近似完全重构特性，在图像分解和重构应用中,获得了较好的效果。

2）从纹理图像的频率特征出发，在分析纹理方向与其傅立叶功率谱方向的关系基础上，提出了一种基于方向滤波器的图像方向场估计方法，对纹理图像具有较好的方向估计能力，为后续的纹理检测和任意子带方向分解等工作提供了有意义的参考。

3）提出一种新的非下采样多尺度、多方向图像变换方法。该变换由小波变换级联非下采样方向滤波器组构成，克服了传统的方向滤波器组由于下采样操作造成的平移不变性缺失，可以较好地改善图像的视觉效果，并在图像去噪中表现出良好的去噪效果。

部分成果发表在自然科学进展，IEEE Trans. Signal Processing（IF 1.57），IEEE Trans. Circuits and Systems(IF 1.743)，IEEE Signal processing letters(IF 0.722)，IEICE Trans. Information and System，Journal of VLSI Signal Processing System，Chinese Journal of Electronics.

10. 图像压缩处理新理论和应用

本课题组在可见光遥感图像、SAR图像、超/多光谱图像等研究领域也取得一定的研究成果。

（1）在基于图像特征描述和多尺度几何分析的图像压缩编码领域开展了广泛的研究。针对图像的方向特点，研究基于小波基函数的方向提升变换，分析推导利用这些基函数的2D方向提升变换由两个1D方向提升变换实现，研究对方向提升变换后的系数利用Bandelet变换实现Bandelization，进一步减少系数之间的冗余。研究成果发表在IEEE Signal Processing Letters上。

（2）在上面基础上研究了基于方向特征的上下文熵编码方法，研究成果发表在SPIE。

（3）相较于最新的静止图像压缩算法JPEG2000而言，新的基于图像特征描述和多尺度几何分析的方法对于纹理特征显著的遥感图像和自然图像，比JPEG2000最高可提高PSNR达到1.5个dB以上。

（4）针对遥感图像和SAR图像的应用需求，我们也开发了基于完全可逆小波和DCT的图像编码方法，特别是基于可逆整形DCT从有损到无损的编码方法平均比基于小波变换的JPEG2000有损性能最高提高1dB以上，无损编码性能也优于JPEG2000。

（5）在超/多光谱编码方面，我们结合3D小波变换，3D可逆整形DCT，以及3D自适应块集合分裂的熵编码算法，实现了高于3D-SPIHT和3D-SPECK的光谱图像编码方法。

以上成果发表在IEEE Trans. CVST，IEEE SP letter，Optical Engineering，电子学报，软件学报等国内外著名刊物和国内外会议上。

11. 视频数据库中基于图像的人脸场景检索

在人脸识别方面，本课题组针对人脸检测、跟踪与识别等问题都分别进行了大量的预先研究工作。对主动示例学习中示例及特征的选择方法、多姿态人脸信息的融合、彩色图像的人脸跟踪及基于HMM的人脸识别等问题取得了初步的研究成果。其中，基于嵌入式Bootstrap（E-Bootstrap）的主动学习示例选择算法在三个不同正面人脸的公共测试集上的初步测试实验表明，在“非人脸”示例数目都是15,000个的情况下，E-Bootstrap算法在保持较高查全率(94%)的条件下，大大提高了查准率，将Bootstrap的平均43.8%的查准率提高了近两倍达到80.4%。从而解决了计算条件对训练集规模的限制，使训练所得预测器具有更高的性能。针对人脸模式易受姿态影响这一问题，通过引入模糊聚类知识，提出了一种鲁棒的多姿态人脸检测技术。在我们前期的快速多姿态人脸检测算法工作中，对多个多姿态测试图像库进行检测，查准率可达87%以上，查全率达到90％以上。这说明该检测算法可以实现人脸的可靠定位。此外，对彩色图像引入基于混合高斯模型（GMM）的肤色检测和菱形搜索策略、对视频图像进行运动估计以提高人脸检测的速度和精度。在彩色视频中对人脸的跟踪时，引入菱形快速搜索机制，通过肤色和人脸特征等有效的特征检测，在后续帧序列中实时的跟踪人脸。同时，我们还针对基于人脸画像的身分认证进行了初步的研究。早期，提出了一种基于几何特征与局部DCT特征相结合的人脸画像识别方法，并取得了85.7%的正确识别率。近期，为了缩小图像与画像之间的差距，我们提出了一种基于二维HMM与集成技术相结合的画像生成算法，并提出了一种结合全参考型和无参考型相结合的画像质量评价方法。

上述研究成果中的一部分已经发表在国内外的重要学术期刊上（如IEEE Transactions on Neural Networks、IEEE Transactions on Circuits and Systems for Video Technology，Theoretical Computer Science，Signal Processing，Chinese Science Bulletin，电子学报等）。在所发表的200余篇论文中，100余篇被SCI和EI索引，SCI他引次数达到20次以上。同时，积极参加国际学术交流，先后参加了ICASSP2004-2006，ICIP2006，ICIAR2004-2006等国际学术会议，介绍自己的研究成果，引起了国内外学者的极大关注。

12. 1993年焦李成教授完成的“神经网络系统理论”获得陕西省科学技术一等奖

13. 1994年，焦李成教授完成的“非线性系统的传递函数理论与应用”获得陕西省科学技术进步奖二等奖

14. 1995年，由保铮院士、焦李成教授等完成的“基于神经网络的优化计算与智能信号处理”获电子部科技进步奖一等奖

15. 1998年焦李成教授等完成的“模糊子波与子波包网络理论及其在智能目标识别中的应用”获得陕西省科学技术二等奖

16. 1998年焦李成教授等完成的“空时神经网络理论及其应用”获得教育部科技进步奖二等奖

17. 2009年重点实验室焦李成教授等人完成的“进化计算理论、方法及其应用”获陕西省科学技术奖一等奖

18. 2009年高新波教授等人完成的“无监督新闻视频语义分割与标注算法研究”获陕西省科学技术奖三等奖

19. 2010年，由焦李成教授等完成的“智能图像理解的基础理论与方法研究”获教育部自然科学奖一等奖

20. 2010年，由高新波教授等完成的“智能视频处理与分析技术”获陕西省科学技术奖一等奖

21. 2011年，由焦李成教授等完成的“多尺度核学习机理论及其在复杂目标识别中的应用”获陕西省科学技术奖一等奖

22. 2011年，由焦李成教授等人完成的“高性能智能优化计算理论、关键技术与应用”获得中国电子学会电子信息科学技术奖二等奖

23. 2011年，由焦李成教授等完成的“智能科学与技术国家级特色专业建设的创新与实践”获陕西省教学成果奖一等奖

24. 2012年，由焦李成教授等完成的“高分辨图像智能信息感知与处理关键技术及软件系统”获教育部技术发明奖二等奖

25. 2012年，由高新波教授等完成的“跨媒体异常信息检测与识别”获陕西省科学技术奖一等奖

26. 2012年，由石光明教授等完成的“基于方向特征的图像实时处理系统”获陕西省科学技术奖二等奖

27. 2012年，由焦李成教授等完成的“SAR影像智能信息提取与目标识别”获陕西省科学技术奖一等奖

28. 2013年，由石光明教授等完成的“信号混叠感知及高分辨率探测成像方法”获陕西省科学技术奖一等奖

29. 2013年，由陈为胜教授等完成的“非线性动力系统的分析、控制与应用研究” 获陕西省科学技术奖一等奖

30. 2013年公茂果教授，因其在“自然计算理论及其在SAR图像解译中的应用”方面的创新性研究获得了吴文俊人工智能科学技术奖创新奖二等奖

31. 2014年刘静教授，因其在“网络化进化优化与学习基础理论及其应用”方面的创新性研究，获得了吴文俊人工智能科学技术奖创新奖二等奖

32. 2015年杨淑媛教授，因其在“智能目标信息感知与理解”方面的创新性研究，获得了吴文俊人工智能科学技术奖创新二等奖

33. 2016年，由高新波教授等完成的“异构可视媒体内容分析与可信服务研究”获陕西省科学技术奖一等奖