Sparse Coding for the Analysis of High-Dimensional Data: Applications in Remote Sensing and Art Investigation

Promovendus/a
Shaoguang Huang
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Telecommunicatie en Informatieverwerking
Curriculum
Master of Engineering, Shandong University, China, 2015
Academische graad
Doctor in de ingenieurswetenschappen: computerwetenschappen
Taal proefschrift
Engels
Vertaling titel
Sparse codering voor de analyse van hoogdimensionale data: toepassingen in teledetectie en kunstonderzoek
Promotor(en)
prof. Aleksandra Pizurica, vakgroep Telecommunicatie en Informatieverwerking - prof. Hongyan Zhang (Wuhan University, China)
Examencommissie
voorzitter prof. Patrick De Baets (decaan) - prof. Guy De Tré (Vakgroep Telecommunicatie en Informatieverwerking) - prof. Laurent Jacques (Université catholique de Louvain, Louvain-la-Neuve) - prof. Irena Orovic (University of Montenegro, Podgorica, Montenegro) - prof. Aleksandra Pizurica (Vakgroep Telecommunicatie en Informatieverwerking) - dr. Ljiljana Platisa (Vakgroep Telecommunicatie en Informatieverwerking) - prof. Hongyan Zhang (Wuhan University, China) - prof. Liangpei Zhang (Wuhan University, China)

Korte beschrijving

Hoogdimensionale data worden stelselmatig verzameld door verschillende sensoren. Naast het aanbieden van rijke informatie, brengt grote datadimensies ook extreme uitdagingen met zich mee bij de overdracht, opslag, verwerking en analyse van gegevens. Sparse codering, waarbij elk signaal wordt weergegeven als een lineaire combinatie van enkele elementen uit een gegeven woordenboek, komt naar voren als een effectieve data-analysetechniek. In dit doctoraat ontwikkelen we nieuwe methoden gebaseerd op spaarzame codering om reële problemen in remote sensing en kunstonderzoek te behandelen. Een belangrijke bijdrage van ons werk is de classificatie van hyperspectrale beelden, waarbij we de robuustheid van de classificatie verbeteren ten opzichte van verschillende degradaties die reële data beïnvloeden (zoals impulsruis, dode lijnen en stroken). Daarnaast bevorderen we de bestaande clustermethoden, die essentieel zijn in gevallen waarin de gelabelde gegevens beperkt of niet beschikbaar zijn. We stellen ook innovatieve oplossingen voor om een efficiënte clustering van grootschalige hyperspectrale data mogelijk te maken. Een andere belangrijke bijdrage van ons werk is in kunstonderzoek, waar we een uitdagende taak van verfverliesdetectie uit multimodale data aanpakken. Een uitgebreide casus over het Lam Gods toont het potentieel van de voorgestelde methode om de conservering van schilderijen te ondersteunen.

Praktisch

Wanneer
Maandag 2 september 2019, 17:30
Waar
auditorium P Jozef Plateau, gelijkvloers, Jozef Plateaustraat 22, 9000 Gent

Meer info

Contact
doctoraat.ea@UGent.be