实验室简介
成像与视觉表示实验室
成像与视觉表示实验室隶属于南昌大学人工智能工业研究院。实验室立足于国家战略需求和江西省地方经济发展，聚焦磁共振和CT成像、计算光学成像、VR显示等行业发展需求，紧紧围绕“传感成像-信号处理-增强显示”等过程中的关键技术和工程瓶颈，以成像和视觉表示为基础核心开展系统的研究。主要代表性研究成果有：基于字典学习的医学成像重建、融合迭代和深度生成学习的医学成像重建、多通道（成像线圈）压缩及智能扩增、彩色图像灰度化及灰度图像着色等。
集体合照
成像与视觉表示实验室承担了国家自然科学基金、博士后基金以及江西省重点科学基金等项目，是一支具有活力和创新精神的研究队伍。代表性研究成果先后在国际杂志SIAM J. Imaging Sci., IEEE TIP, IEEE TMI, IEEE TCSVT, MRM和会议ICCV上发表。Google scholar 论文引用数为2000。并开源部分实验室项目代码，可在Github主页查看。
实验室招收医学成像系统及算法、传感成像及处理、计算机视觉表示及显示方向的教授、副教授、讲师、科研助理、博士后、博士生、硕士生。欢迎各界学术人才加入我们，共同为成像与视觉表示的发展作出贡献！
研讨会
代表性工作
- 提出基于增广拉格朗日的字典学习方法。在稀疏表示图像表达模型中同时求解字典和稀疏系数是非线性问题，具有高度病态性。发展基于增广拉格朗日的方法用于字典学习稀疏表示图像表达。使用分解策略有效地将问题转化为各个子问题的求解，使得计算速度提高数十倍且结果更好。分析了算法优势并证明了算法收敛性，系统地将其应用于医学成像和图像处理中。
代表性论文：
Q. Liu, K. Yang, J. Luo, Y. Zhu, D. Liang. Highly undersampled magnetic resonance image reconstruction using two-level Bregman method with dictionary updating, IEEE Trans. Med. Imag., 32 (7): 1290-1301, 2013.
J. He, Q. Liu, A.G. Christodoulou, C. Ma, F. Lam, Z.P. Liang. Accelerated high-dimensional MR imaging with sparse sampling using low-rank tensors, IEEE Trans. Med. Imag., 32 (7): 2119-2129, 2016.
- 提出了具有“分层优化”思想的两层稀疏学习表示理论，挖掘两层稀疏表示及其相关性。提出了一系列基于梯度域和多特征域进行学习表示的方法，其“分层优化”和“多特征冗余”的特性可有效地克服在无监督学习环境下多层表示高度非线性的困境。
代表性论文：
Q. Liu, S. Wang, L. Ying, X. Peng, Y. Zhu, D. Liang. Adaptive dictionary learning in sparse gradient domain for image recovery, IEEE Trans. Image Process., 22(12): 4652-4663, 2013.
B. Xiong, Q. Liu, J. Xiong, S. Li, S. Wang, D. Liang. Field-of-Experts filters guided tensor completion, IEEE Trans. Multimedia, vol. 20, no. 9, pp. 2316-2329, 2018.
- 针对医学特定数据样本少、信息不确定、数据动态变化等问题，提出将深度学习网络进行统计分析并嵌入高维多通道等信号物理属性，融入于迭代重建，形成多通道无监督深度学习快速成像理论。大大提升了迭代重建方法的重建精度，有效提高了深度学习的灵活性和鲁棒性，突破了传统迭代重建算法表示不足和新兴深度学习算法鲁棒性不足的瓶颈。
代表性论文：
C. Quan, J. Zhou, Y. Zhu, Y. Chen, S. Wang, D. Liang, Q. Liu, Homotopic gradients of generative density priors for MR image reconstruction. IEEE Trans. Med. Imag., vol. 40, no. 12, pp. 3265-3278, 2021.
Q. Liu, Q. Yang, H. Cheng, S. Wang, M. Zhang, D. Liang, Highly undersampled magnetic resonance imaging reconstruction using autoencoding priors, Magn. Reson. Med., vol. 83, no. 1, pp. 322-336, 2020.
部分工作展示
奖项及荣誉
2022年，江西高校省级示范研究生导师创新团队
2022年，第二届江西普通高校金牌教师（教学名师）
2021年，第七届中国国际“互联网+”大学生创新创业大赛全国金奖
2020年，中国体视学学会科学技术奖二等奖（排名第二）
2019年，获江西省青年井冈学者
2019年，江西省“双千计划”首批培养类项目
2019年，第五届中国国际“互联网+”大学生创新创业大赛全国铜奖
2016年，获江西省杰出青年人才
实验室项目
国家优秀青年科学基金 No. 62122033，先验信息表示与医学成像重建，2022.01-2024.12
国家自然科学基金面上项目 No. 61871206，面向可解释性高维度卷积网络表示的快速磁共振成像研究，2019.01-2022.12
国家自然科学基金地区项目 No. 61362001，基于字典学习理论的快速高分辨率磁共振成像关键技术研究，2014.01-2017.12
国家自然科学基金青年项目 No. 62105138，三维形貌配准结构约束的小动物模型DOT/F MT联合成像方法, 2022.01-2024.12
国家自然科学基金青年项目 No. 61503176，基于相关性准则和参数优化策略的彩色图像灰度化关键技术研究，2016.01-2018.12
江西省重点研发计划项目 No. 20212BBE53001，高层语义与低层细节驱动下大数据深度学习的磁共振快速成像及分析关键技术, 2021.01-2023.12
博士后国际交流计划项目 No.博管办[2014]29号，基于大数据学习和稀疏表示理论的快速磁共振成像关键技术研究，2015.01-2016.12
江西省杰出青年人才项目 No. 20162BCB23019，2016.01-2018.12
江西省重点研发计划项目 No. 20171BBH80023，大数据下无监督网络深度学习的磁共振快速成像关键技术, 2017.01-2018.12
国家博士后科学基金项目 No. 133742，基于梯度域字典学习理论的超稀疏投影成像算法研究，2014.07-2016.06
江西省自然科学基金项目 No. 20181BAB202003，基于深度学习的图像融合及其逆问题关键技术研究，2018.01-2019.12
江西省自然科学基金项目 No. 20151BAB207008，基于不相关准则和稀疏表示的图像卡通-纹理分解研究，2015.01-2016.12
毕业生去向
刘沂玲 上海交通大学读博
袁璐 南京航空航天大学读博
李三仟 南方科技大学读博
周瑾洁 北京理工大学读博
陈洁 浙江大学保研
李婉芸 复旦大学保研
李晋 中山大学保研
李婧源 东北大学保研
曹清华 西安电子科技大学保研
左苗苗 哈尔滨工业大学（深圳）读研
王瑞雪 武汉大学读研
曹振庭 华东理工大学读研
全聪 上海识装信息科技有限公司（得物）
杨青新 中国移动（济南）
曾维 顺丰速运有限公司
刘相顺 银河水滴(北京)科技有限公司
何卓楠 深圳佑驾创新科技有限公司
王思远 国家电网有限公司
孟苗苗 北方联创通信有限公司
袁媛 中国建设银行股份有限公司广州分行
李冠玉 珠海扬智电子科技有限公司
王岩琨 莱州市人民政府文昌路街道办事处
陈鑫 中国人民解放军战略支援部队军队文职（无锡）
