朱祺琪 (副教授)

副教授 硕士生导师

曾获荣誉:两篇一作/通讯论文持续入选2017年至2021年ESI全球1%高被引
中国地质大学(武汉)2019年及2021年校级优秀毕业论文优秀指导教师奖
中国地质大学(武汉)2020年校级优秀学务指导教师奖
荣获2018年武汉大学优秀博士毕业生
担任2018年遥感前沿国际会议分会场主席
担任IEEE TGRS、TCYB等国际TOP SCI期刊审稿人
博士期间荣获国家奖学金、武汉大学学术创新奖等十余项荣誉

性别:女

出生年月:1993-05-01

毕业院校:武汉大学

学历:博士研究生

学位:博士学位

在职信息:在职

所在单位:地理与信息工程学院

入职时间:2018-07-01

职务:副教授

学科:遥感科学与技术

办公地点:中国地质大学(武汉)未来城校区地理与信息工程学院529

联系方式:zhuqq@cug.edu.cn

Email:

个人简历

祺琪,博士,中国地质大学(武汉)地理与信息工程学院副教授,硕士生导师。

2013年免试攻读武汉大学硕士学位,2015年硕博连读提前攻博,师从李德仁院士、钟燕飞教授与张良培教授,2018年6月毕业于武汉大学测绘遥感信息工程国家重点实验室,获摄影测量与遥感专业工学博士学位。2018年7月以“地大学者”青年优秀人才引进至中国地质大学(武汉)地理与信息工程学院

长期以来致力于遥感大数据智能提取分析及应用方向的研究,在RSE、IEEE TCYB、ISPRS P&RS、IEEE TGRS等高水平期刊上发表一作/通讯论文三十余篇,两篇一作/通讯论文持续入选2017年至2021年ESI全球1%高被引论文。

已主持或参与国家重点研发计划课题、国家自然科学基金、国家发改委项目等科研项目十余项。担任IEEE Transactions on Cybernetics、Remote Sensing of Environment、ISPRS Journal of Photogrammetry and Remote Sensing、IEEE Transaction on Geoscience and Remote Sensing、IEEE Transactions on Knowledge and Data Engineering、IEEE Journal of Biomedical and Health Informatics、IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing、IEEE Geoscience and Remote Sensing Letter、Remote Sensing、IEEE Access、International Journal of Remote Sensing、Remote Sensing Letters等遥感、计算机领域国际权威SCI期刊的审稿人。 

指导研究生获国家奖学金、信才等专项奖学金,获校级研究生科报会特等奖(学院唯一),带领的研究组积极为学生提供国内外学术交流,多名组内学生受邀担任国际遥感会议IGARSS的会议联合主席;带领本科生成功立项|“大学生创新创业训练计划”国家精品项目7项,独立撰写SCI T2论文2篇。研究生毕业后大多进入武汉大学、中山大学、中国地质大学(武汉)等等国内外著名高校和腾讯、华为等知名互联网公司以及测绘、城市等事业单位任职和深造。

研究兴趣


于航天、航空、无人机等高分辨率、高光谱多源遥感数据及多源地理数据,重点研究:

(1)概率图模型、迁移学习、深度学习等机器学习方法

(2)场景分类、地表覆盖分类、目标探测、语义分割、视频目标追踪、道路提取、变化检测等遥感图像解译任务

(3)城市蔓延、功能区规划、人口分布、时空大数据分析等地理遥感大数据应用


招生专业

地理与信息工程学院(http://xgxy.cug.edu.cn/)&国家地理信息系统工程技术研究中心(http://gis.cug.edu.cn/)


(1)学硕:测绘科学与技术(一级学科)-摄影测量与遥感(二级学科),考数一;

                   测绘科学与技术(一级学科)-地图制图学与地理信息工程(二级学科)

(2)专硕:资源与环境(不限方向)


所在研究团队


(1)高性能空间智能计算实验室HPSCIL@CUG:HPSCIL主要致力于研究地理信息科学、计算机科学、数据科学和社会科学等多学科的融合发展。负责人为中国地质大学(武汉)高层次人才关庆锋教授,研究成员包括3位教授,6位副教授,2位讲师,1位博士后,多位博士生、硕士生和本科生。HPSCIL”的含义是“High-Performance Spatial Computational Intelligence Lab(高性能空间智能计算实验室)”。研究组拥有高性能计算集群和工作站、海量多源空间大数据和遥感影像数据、成熟的运算平台和可视化平台等硬件设施及数据。

(2)智能化遥感数据提取分析与应用RSIDEA@WHU):RSIDEA是由从事遥感方向研究的科研人员组建的一个学术研究组。学术指导为IEEE Fellow张良培教授,负责人为武汉大学优青钟燕飞教授, 研究成员包括3位教授,7位副教授,1位讲师,1位博士后,多位博士生、硕士生和本科生。“RSIDEA”的含义是“Intelligent Data Extraction, Analysis and Applications of Remote Sensing(智能化遥感数据提取分析与应用)”。研究组拥有无人机高光谱/可见光/热红外、热红外高光谱、视频高光谱、百万工业级服务器等硬件设施。


热烈欢迎有遥感/地理信息/计算机科学与技术/数学/测绘/图像处理等背景的同学报考或交流学习!

资源共享


1.公开数据集

(1)CHN6-CUG 中国道路数据集 (更新日期:2021.05.25).  

Baidu Drive (extraction code: urs6)download

Google Drivedownload

该数据集包括6个城市,主要用于科研用途。

该数据集获取自谷歌地球,由URSmart研究组搜集制作,主要覆盖了中国的城市地区,包含北京朝阳区、上海杨浦区、武汉市中心、深圳南山区、香港沙田、澳门6个中国城市,是道路与非道路的像素级数据集。

CHN6-CUG包含4511张大小为512×512的标记图像,划分为3608张用于模型训练,903张用于测试以及结果评估,分辨率为50厘米/像素。

当您发表的结果中用到了该数据集,请引用以下文献:

[1]Q. Zhu, Y. Zhang, L. Wang, et. al., "A Global Context-aware and Batch-independent Network for road extraction from VHR satellite imagery,"  ISPRS Journal of Photogrammetry and Remote Sensing, 2021,175: 353-365. DOI: 10.1016/j.isprsjprs.2021.03.016.

(2)SOS溢油检测数据集 (Deep-SAR Oil Spill (SOS) dataset, 更新日期:2021.9.26). 

Baidu Drive (extraction code: urs6)download

 Google Drivedownload

该数据集包括2个研究区,主要用于科研用途。

该数据集包含墨西哥湾溢油区域和波斯湾溢油区域,分别获取于ALOS 和Sentinel-1A卫星。由URSmart研究组搜集制作,是溢油与非溢油的像素级数据集。

其中来自墨西哥溢油区域的 3101 张样本用于模型训练,776 张样本用于测试。 

来自波斯湾溢油区域的3354 张样本用于训练,839 张样本用于测试。

(3)SIRI-WHU 谷歌影像数据集 (The Google image dataset of SIRI-WHU, 更新日期:2019.12.10).  Download

该数据集包括12个类别,主要用于科研用途。
      以下各个类别中均包含200幅影像:农场、商业区、港口、闲置用地、工业区、草地、立交桥、停车场、池塘、居民区、河流、水体

每一幅影像大小为200*200,空间分辨率为2米。

该数据集获取自谷歌地球,由武汉大学RS-IDEA研究组(SIRI-WHU)搜集制作,主要覆盖了中国的城市地区。

当您发表的结果中用到了该数据集,请引用以下文献:

    [1]Q. Zhu, Y. Zhong, L. Zhang, and D. Li, "Adaptive Deep Sparse Semantic Modeling Framework for High Spatial Resolution Image Scene Classification," IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(10): 6180-6195. DOI: 10.1109/TGRS.2018.2833293.

    [2]Q. Zhu, Y. Zhong, B. Zhao, G.-S. Xia, and L. Zhang, "Bag-of-Visual-Words Scene Classifier with Local and Global Features for High Spatial Resolution Remote Sensing Imagery," IEEE Geoscience and Remote Sensing Letters, 2016, 13(6): 747-751. DOI:10.1109/LGRS.2015.2513443 2016.

(4)SIRI-WHU USGS标注影像数据集 (The USGS image dataset of SIRI-WHU, 更新日期:2019.12.10).  Download

该数据集包括4个场景类别:农场、森林、居民区、停车场,其主要用于科研用途。

大幅影像大小为10000*9000,空间分辨率为2英尺。

该数据集获取自USGS,由武汉大学RS-IDEA研究组(SIRI-WHU)搜集制作,主要覆盖了美国俄亥俄州蒙哥马利地区。

当您发表的结果中用到了该数据集,请引用以下文献:

     [1]Y. Zhong, Q. Zhu, and L. Zhang, "Scene Classification Based on the MultiFeature Fusion Probabilistic Topic Model for High Spatial Resolution Remote Sensing Imagery," IEEE Transactions on Geoscience and Remote Sensing, vol. 53, no. 11, pp. 6207-6222, Nov. 2015. 

2.开源代码及测试数据

(1)不充分不平衡高光谱分类代码及数据集 (更新日期:2021.06.01). 

Github: https://github.com/CUG-URS/SSDGL

该文提出了一种光谱-空间依赖全局学习(SSDGL)框架,用于不充分和不平衡的HSI分类。在SSDGL中,提出了分层平衡(H-B)采样策略和加权softmax损失函数来解决类别不平衡的问题。为了有效的判别具有相似光谱特征的土地覆盖类型,本文引入全局卷积长短期记忆(GCL)模块提取长-短范围内光谱特征的依赖性。为了学习更具辨别性的特征表达,本文提出了全局联合注意机制(GJAM)模块来提取注意力区域。本文提出的框架在三个公开的高光谱数据集(CASI University of Houston/Indian Pines/Pavia University)上进行了实验,实验结果表明SSDGL 在样本不充分和不平衡时依然具有强大高效的分类性能,且优于目前最先进的方法。

当您发表的结果中用到了该代码,请引用以下文献:

     [1]Q. Zhu, W. Deng, Z. Zheng, et. al., "A Spectral-Spatial-Dependent Global Learning Framework for Insufficient and Imbalanced Hyperspectral Image Classification," IEEE Transactions on Cybernetics, vol. 53, no. 11, pp. 6207-6222, 2021. DOI: 10.1109/TCYB.2021.3070577.


代表性SCI学术论文

  • Q. Zhu, X. Guo, W. Deng, Y. Zhong, Q. Guan, L. Zhang, and D. Li, “Land-Use/Land-Cover change detection based on a Siamese global learning framework for high spatial resolution remote sensing imagery,” ISPRS Journal of Photogrammetry and Remote Sensing, 184 (2022): 63-78, 2022.  (IF=8.979, 遥感TOP期刊)

  • Q. Zhu, W. Deng, Z. Zheng, Y. Zhong, Q. Guan, W. Lin, L. Zhang, and D. Li, “A Spectral-Spatial Dependent Global Learning Framework for Insufficient and Imbalanced Hyperspectral Image Classification,”IEEE Transactions on Cybernetics, 2021. (IF=11.448, 人工智能TOP期刊)

  • Q. Zhu, Y. Zhang, L. Wang, Y. Zhong, Q. Guan, L. Zhang, and D. Li, “A Global Context-aware and Batch-independent Network for Road Extraction from VHR Satellite Imagery,”ISPRS Journal of Photogrammetry and Remote Sensing, vol. 175, pp. 353–365, 2021. (IF=8.979, 遥感TOP期刊)

  • Q. Zhu, Y. Yang, X.Sun, M. Guo, “CDANet: Contextual Detail-Aware Network for High-Spatial-Resolution Remote-Sensing Imagery Shadow Detection,” IEEE Transactions on Geoscience and Remote Sensing, 2022. (IF=5.600, 遥感TOP期刊)

  • Q. Zhu, Y. Zhang, Z. Li, X. Yan, Q. Guan, Y. Zhong,  L. Zhang, and D. Li, “Oil Spill Contextual and Boundary-Supervised Detection Network Based on Marine SAR Images,” IEEE Transactions on Geoscience and Remote Sensing, 2021.(IF=5.600, 遥感TOP期刊)

  • Q. Zhu, L. Wang, J. Chen, W. Zen, Y. Zhong, Q. Guan, Z. Yang, “S3TRM: Spectral-Spatial Unmixing of Hyperspectral Imagery Based on Sparse Topic Relaxation-Clustering Model,” IEEE Transactions on Geoscience and Remote Sensing, 2021. (IF=5.600, 遥感TOP期刊)

  • Q. Zhu, Y. Zhong, L. Zhang, and D. Li, “Adaptive deep sparse semantic modeling framework for high spatial resolution image scene classification,” IEEE Transactions on Geoscience and Remote Sensing, vol. 56, no. 10, pp. 6180 – 6195, 2018. (IF=5.600, 遥感TOP期刊)

  • Y. Zhong, Q. Zhu, and L. Zhang, “Scene classification based on the multifeature fusion probabilistic topic model for high spatial resolution remote sensing magery,” IEEE Transactions on Geoscience and Remote Sensing, vol. 53, no. 11, pp. 6207–6222, Nov. 2015. ( ESI 高被引 IF=5.600, 遥感TOP期刊)

  • Q. Zhu, Y. Zhong, S. Wu, L. Zhang, and D. Li, “Scene classification based on the sparse homogeneous-heterogeneous topic feature model,” IEEE Transactions on Geoscience and Remote Sensing, vol. 56, no. 5,pp. 2689 – 2703, 2018. (IF=5.600, 遥感TOP期刊)

  • Q. Zhu, Y. Zhong, L. Zhang, and D. Li, “Scene classification based on the fully sparse semantic topic model,”IEEE Transactions on Geoscience and Remote Sensing, vol. 55, no. 10, pp. 5525 – 5538, 2017. (IF=5.600, 遥感TOP期刊)

  • Q. Zhu, Y. Zhong, B. Zhao, G. S. Xia, and L. Zhang, “Bag-of-visual-words scene classifier with local and global features for high spatial resolution remote sensing imagery,” IEEE Geosci. Remote Sens. Lett., vol. 13, no. 6, pp. 747–751, Jun. 2016(ESI 高被引,  IF=3.966)

  • 朱祺琪,李真,张亚男,李佳伦,杜禹强,关庆锋,李德仁,“全局局部细节保持的深度条件随机场用于高分辨率遥感影像建筑物提取,”遥感学报,2021(EI遥感中文T1级

  • Q. Zhu, J. Chen, L. Wang, Q. Guan, “Proportion Estimation for Urban Mixed Scenes Based on Nonnegative Matrix Factorization for High-Spatial Resolution Remote Sensing Images,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021. (IF=3.784)

  • Q. Zhu, L. Wang, W. Zen, Q. Guan, Z. Hu, “A Sparse Topic Relaxion and Group Clustering Model for Hyperspectral Unmixing,” IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2021. (IF=3.784)

  • Y. Chen, W. Tao, Z. Li, Q. Zhu*, Q. Guan, “Cross-Domain Scene Classification Based on a Spatial Generalized Neural Architecture Search for High Spatial Resolution Remote Sensing Images,” Remote Sensingvol. 13,  no.17, pp. 3460, 2021. (IF=4.848)

  • Q. Zhu, Z. Li, Y. Zhang and Q. Guan, "Building Extraction from High Spatial Resolution Remote Sensing Images via Multiscale-Aware and Segmentation-Prior conditional Random Fields," Remote Sensing, vol. 12, no. 23, pp. 3983, 2020. (IF=4.848

  • Q. Zhu, Y. Zhong, Y. Liu, L. Zhang, and D. Li, “A deep-local-global feature fusion framework for high spatial resolution image scene classification”, Remote Sensing, vol. 10, no. 4, pp. 568, 2018. (IF=4.848)   


学术兼职

  • Remote Sensing of Environment

  • IEEE Transactions on Cybernetics

  • ISPRS Journal of Photogrammetry and Remote Sensing

  • IEEE Transaction on Geoscience and Remote Sensing

  • IEEE Transactions on Knowledge and Data Engineering

  • IEEE Journal of Biomedical and Health Informatics

  • IEEE Journal of Selected Topics in Applied Earth observations and Remote Sensing

  • IEEE Geoscience and Remote Sensing Letter

  • Remote Sensing

  • IEEE Access

  • International Journal of Remote Sensing

  • Remote Sensing Letters

等遥感、计算机、医学领域国际SCI期刊的审稿员

科研基金项目


   l  国家科研基金项目青年科学基金(41901306):基于深度主题模型的高分辨率遥感影像场景分类方法研究,时间:2020.01-2022.12课题负责人。


   l  中央高校基本科研业务费专项资金杰出人才培育基金:基于稀疏主题模型的高分辨率影像城市场景变分类方法研究,时间:2019.07-2021.06课题负责人。

   l  国家对地观测科学数据中心开放基金项目基于高分辨率卫星影像的中国道路数据集的制作与加工,时间:2020.09-2021.08课题负责人。

   l  资源与环境信息系统国家重点实验室开放基金项目:多源语义概率融合的高分辨率遥感影像场景分类方法研究,时间:2019.09-2021.09课题负责人。

   l  武汉大学测绘遥感信息工程国家重点实验室开放基金项目基于概率主题模型的高分辨率遥感影像城市场景变化检测方法研究,时间:2019.01-2020.12课题负责人。

   l  湖北大学区域开发与环境响应湖北省重点实验室开放基金项目:基于多元语义表达的高分辨率遥感影像城市主体功能区划分,时间:2019.01-2020.12课题负责人


   l  国家重点研发计划课题:国土资源与生态环境安全应急响应关键技术,时间:2017.07–2021.7;参加第二课题国土资源与生态环境安全应急响应关键技术担任研究骨干主要承担应急响应信息实时处理技术的研究


   l  优秀青年科学基金项目(优青):高光谱遥感地物识别与场景理解,时间:2017.1-2019.12担任研究骨干主要承担高空间分辨率的高光谱遥感影像的地物识别、场景理解建模和场景理解应用研究,设计空谱交互的主题模型用于高空间分辨率的高光谱遥感影像精细地物识别,并根据地物识别结果建模场景的空间关系,从而挖掘场景的本质表达,识别场景类别。


   l  国家自然科学基金面上项目:基于稀疏概率图模型的高分辨率遥感影像场景语义理解方法研究,时间:2018.01–2021.12担任技术骨干主要承担高分辨率遥感影像的底层多特征稀疏学习研究,设计基于中层特征表达的稀疏有向概率图模型,提升场景语义理解效果。


   l  装备预研教育部联合基金青年人才基金:基于红外-高光谱遥感的伪装目标侦察,时间:2017.01–2018.12担任技术骨干主要承担伪装目标检测方法学习研究,通过研究光谱精细特性,识别目标种类和表面状态,实现伪装目标的侦察。


   l  湖北省自然科学基金杰出青年科学基金:高分辨率遥感影像的多特征场景语义理解,时间:2016.01–2018.12担任技术骨干主要承担高分辨率遥感影像表达及分类,设计基于多种特征语义表达的高分辨率遥感影像场景分类模型,实现场景语义分类。


   l  国家发改委项目:“基于高分辨卫星影像的全球测图技术系统及应用”子项目“地表覆盖分类子系统”,担任技术骨干主要承担特征分类算法的开发,设计特征提取、分类算法接口,实现部分特征提取、快速分类算法。


   l  国网北京经济技术研究院合作项目:遥感技术在全球能源互联网建设中的应用研究,时间:2017.01–2018.11担任技术骨干,研究像素到目标到场景的多层次信息电力能源基础设施特征提取研究

教育经历

[1]   2013.9-2018.6

武汉大学  |  摄影测量与遥感  |  博士学位  |  博士研究生

工作经历

[1]   2018.7-至今

中国地质大学(武汉)  |  地理与信息工程学院

联系方式

  • [1]  邮编:

  • [2]  传真:

  • [3]  通讯/办公地址:

  • [4]  办公室电话:

  • [5]  移动电话:

  • [6]  邮箱: