【CSIG奖励访谈】2021年度CSIG优秀博士学位论文奖获奖者刘天竹
中国图象图形学学会优秀博士学位论文奖旨在推动中国图像图形学领域的科技进步，鼓励创新性研究，促进青年人才成长。
为宣传科技工作者积极进取的工作精神，聚焦获奖人背后的故事，学会近日对荣获2021年度CSIG优秀博士学位论文奖的获奖者刘天竹进行了专访，以对话的形式，为读者们提供一次了解他的机会。
下面就跟着我们的脚步，走近今天的受访者吧。
问题一：首先非常感谢您接受我们的采访，请先向大家介绍一下自己：
大家好，我是刘天竹，哈尔滨工业大学电子与信息工程学院讲师，硕导。研究方向为高光谱遥感图像处理，多模高光谱图像解译。作为主要完成人，获黑龙江省科学技术一等奖1项。主持国家自然科学基金青年项目1项，黑龙江省博士后面上项目1项；作为项目骨干成员，参与多项国家级项目研究，包括国家自然科学基金杰青项目、重点国际合作项目、优青项目，以及国家重点研发计划重点专项等。在遥感领域国际顶级期刊和国内高水平期刊上发表SCI论文共11篇，包括ESI高被引论文1篇，封面论文1篇；发表EI国际会议论文7篇，其中1篇在IEEE国际地球科学与遥感大会学生论文竞赛中获季军；在国内遥感大型学术会议发表论文4篇，其中两篇分别获大会优秀报告和优秀论文奖。
问题二：下面请为大家简单的介绍一下您这篇论文的情况：
《高光谱遥感图像多核学习分类方法研究》针对高光谱图像空-谱多维度特征异构性、高空间分辨率下地物空间结构复杂性、不同观测条件下多时相高光谱成像导致的光谱不确定性这三个科学问题，从像素级高光谱图像空-谱分类、对象级高光谱图像空-谱分类、多时相高光谱图像域适应分类三个方面开展了相关研究，论文创新点归纳为：
1) 针对像素级高光谱图像分类中图谱多维度特征异构性问题，建立高光谱图谱信息非线性融合机制，强化图谱多模异构信息感知能力；
2) 针对图谱多特征分类判别能力解译问题，构造类指定稀疏多核学习框架，在确保分类精度的情况下实现类别分类性能导向的特征选择和解译；
3) 针对高空间分辨率下对象级分类面临的地物空间结构复杂性问题，构建多属性超像素和超张量模型，降低空间分布复杂度，实现图谱特征自适应精细提取；
4) 针对不同观测条件带来的光谱不确定性问题，提出多时相高光谱图像图谱多测地线流核学习方法，消除不同时相光谱特征差异，提取域不变多特征。
国内外8位院士、12位IEEE Fellow正面评价论文成果：“典型多核学习方法，很好地设计了非线性多核学习模型，能非常好地融合异构特征，在高光谱分类中具有极好的准确性和鲁棒性”。博士论文研究成果应用于TG-2载人航天数据处理、黄河三角洲国家保护区生态监测，为推动我国自主高光谱遥感应用提供重要理论方法。
问题三：请问您在科研过程中，有没有什么好的方法可以推荐给大家？
首先我想说的是，科研的道路没有捷径，只能一步一步脚踏实地，只有扎下了根坐得住板凳才有好的收货。关于好的方法，我想推荐给大家两个字：“多”和“快”。“多”是指大量的文献阅读，充分了解当前的研究现状，梳理出存在的问题，这样我们后续的研究才会有明确的方向。“快”是指要勤快，因为有的时候可能我们想到的点子别人也能想到，这时候比的就是速度，看谁能更快更有效的实现出来。
问题四：在您论文筹备过程中遇到的最大的挑战是什么？是怎样克服的呢？
最大的挑战就是论文的开题。因为开题首先要确定研究方向，要发现待解决的科学问题；接下来，针对这些科学问题中的3-4个，要拟定研究内容，并制定具备可行性的研究方案；而且，上述内容的论证还要保证在一个清晰的逻辑框架下，所以开题的挑战还是非常大的。我开题的准备过程中，首先大致的研究方向是确定的，这个大方向主要是依托导师的项目，接下来就是大量阅读文献，找准切入点，也就是要针对哪些问题进行研究。当大致思路确定下来，导师帮我一起梳理了逻辑关系，这一点是非常重要的。这样当研究内容聚焦在几个点上的时候，就可以有针对性的开展方案可行性论证，这个过程中可以去初步编写一些代码，做些实验看看效果。
问题五：最后，有什么话想对自己的导师说呢？
相关内容
微信扫码咨询专知VIP会员