章为川 陕西科技大学电子信息与人工智能学院教授

章为川，男，1980年9月生，浙江温州人。现任陕西科技大学电子信息与人工智能学院教授。

教育经历： 

·访问学者, 2016.06 – 2016.12, 杜伦大学, 英国 

·访问学者, 2015.11 – 2016.02, 伯恩茅斯大学, 英国 

·博士，2009.03-2012.12, 信号与信息处理，西安电子科技大学 

·硕士，2003.09-2006.06，信号与信息处理，西南交通大学 

·学士，1999.09-2003.07，电子信息，成都理工大学 

工作经历： 

·教授，2023.09-至今，陕西科技大学，西安，中国 

·首席科学家，2023.09-至今，青岛认知人工智能研究院，青岛，中国 

·首席研究员，2023.09-至今，格里菲斯大学，布里斯班，澳大利亚 

·研究员，2019.01-2023.08，格里菲斯大学，布里斯班，澳大利亚 

·特聘教授，2018.01-2022.5，西安工程大学，西安，中国 

·博士后, 2017.01 – 2018.12, CSIRO, 悉尼, 澳大利亚 

·讲师, 2013.03 – 2015.07, 西安工程大学 

学术兼职： 

[1] 担任国家自然科学基金评审专家 

[2] 担任教育部学位中心论文评审专家 

[3] 担任 CCF-A 类会议程序委员会委员：IJCAI'22, IJCAI'21, ACM MM'21. 

[4] 担任 CCF-A/B 类学术期刊审稿人：《International Journal of Computer Vision》、 《IEEE Transactions on Image Processing 》、《Pattern Recognition》、《Computer Vision and Image Understanding》、 《IEEE Transactions on Circuits and Systems for Video Technology 》、《IEEE Signal Processing Letters 》、《Pattern Recognition Letters》、《Neurocomputing》、《IET Image Processing》

主要研究内容：

图像局部特征提取理论研究及其在计算机视觉和模式识别任务中应用, 如图像配准、3D重建、图像压缩、超声图像增强、心脑血管中的血斑检测、脑胶质瘤图像分割、图像分类、植物病虫害检测。

科研项目 

[1] 主持横向项目：基于AIcodec的下一代图像视频编解码技术方案及算法研究，120万，2023-2026. 

[2] 主持国家自然科学基金 (No. 61401347)：基于多尺度各向异性高斯核的图像高分辨率边缘检测，25万，2014~ 2016. 

[3] 主持陕西省面上项目 (No, 2016JM6013)：基于多尺度各向异性高斯核的图像高分辨率局部特征检测及分类 理论和方法，10万，2014-2015. 

研究成果： 

本人近五年的科研主要聚焦图像局部特征提取设计、局部特征数学解析表达式的构建、图像压缩、图像分割、小样本细粒度图像分类等理论方法研究与应用系统设计，取得系列原创性研究成果，并且在解决“图像兴趣点（corner和blob）特征信息提取及检测”领域的相关技术和理论瓶颈问题中做出了重大贡献 。基于所提出理论框架和检测算法，在《IEEE Transactions on Pattern Analysis and Machine Intelligence Transactions 》、《International Journal of Computer Vision》、《IEEE Transactions on Image Processing》、《Pattern Recognition》 等中科院一区TOP 期刊共计发表学术论文80余篇，其中SCI 论文31 篇、EI 论文 30余篇，授权国家发明专利2 项。此外，主持过一项国家自然科学基金和一项陕西省面上项目。所研究的理论和技术框架及其主要贡献总结如下： 

(1)为解决目前兴趣点检测算法无法在图像仿射变换条件下准确检测到兴趣点的问题，建立角点、边缘、和blob的模型，利用一阶和二阶高斯方向导数滤波器推导得到角点、边缘、和blob在高斯方向导数下的数学解析表达式及其物理特性，提出完整的图像局部特征的提取方案，建立了尺度及仿射不变的卷积神经网络的特征信息提取，实现在图像仿射变换条件下兴趣点检测的鲁棒性。相关成果已形成学术论文16篇，其中11篇发表在TPAMI 、IJCV、TIP、PR等中科院一区 TOP 期刊。该技术可以很好的应用于图像配准、3D重建、图像斑块检测、血管内的血斑检测、植物病虫害检测等计算机视觉任务；相关方法和成果被牛津大学、悉尼大学、悉尼科技大学、约翰霍普金斯大学、和捷克理工大学等顶尖高校学者在多篇论文中多次引用和高度评价。此外，我们发表在TIPMI 、IJCV、和TIP期刊上理论成果证明了目前大学、研究生图像处理教科书及主流的图像局部特征提取技术 (例如，Harris算法和SIFT算法) 存在重大理论缺陷，并提出了新的理论框架。 

(2)为解决在噪声条件下的图像边缘检测定位不准确、相邻边缘和十字交叉无法准确检测 

得到的问题，提出了从图像边缘自身出发对局部邻域建模的边缘特征提取方法，为噪声条件下的图像边缘表征 、相邻边缘、十字交叉边缘检测问题提供一系列有效的解决方案。基于相关成果在《IEEE Transactions on Image Processing》、《Pattern Recognition》等中科院一区TOP 期刊发表论文6篇。并且我们发表在TIP上的文章证明了目前大学图像处理教材中的离散曲率计算公式存在重大理论缺陷，并提出了一个新的离散曲率计算解析表达式及架构。此外，我们用图像局部特征数学解析表达式证明了著名算法“He, Kaiming, Jian Sun, and Xiaoou Tang，Guided image filtering，IEEE Transactions on Pattern Analysis and Machine Intelligence 35.6 (2012): 1397-1409.”存在重大的理论缺陷，并提出了自适应图像滤波，该成果拟投稿至TPAMI。 

(3)为解决小样本细粒度图像训练模型无法有效提取表征问题，提出了多重视觉干扰信息强耦合条件下的特征空间解耦和表征学习网络模型，实现了在小样本细粒度图像条件下数据的结构化表征和有效分类，3篇文章投稿至《IEEE Transactions on Pattern Analysis and Machine Intelligence Transactions 》、《IEEE Transactions on Image Processing》、《Pattern Recognition》等中科院一区TOP期刊。 

发明授权专利：

[1]章为川, 孔祥楠, 杨婷婷. 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法[P]. 陕西省: CN104376564B, 2018-04-24.

[2]章为川, 杨婷婷, 顾梅花. 一种基于各向异性高斯核提取封闭边缘图像轮廓的方法[P]. 陕西省: CN104376319B, 2018-03-23.  

发明公开专利： 

[1]路艳, 文思佳, 雷涛, 万永, 杜晓刚, 章为川, 梁挺. 基于级联并行CNN-Transformer和全扰动的半监督医学图像分割方法[P]. 陕西省: CN117456177A, 2024-01-26.

[2]章为川, 孔祥楠, 杨婷婷. 基于各向异性高斯方向导数滤波器提取图像粗边缘的方法[P]. 陕西: CN104376564A, 2015-02-25.

[3]章为川, 杨婷婷, 顾梅花. 一种基于各向异性高斯核提取封闭边缘图像轮廓的方法[P]. 陕西: CN104376319A, 2015-02-25. 
 

 

 

代表性英文期刊论文 (* 代表通讯作者) 

[1] Weichuan Zhang*, Changming Sun, Yongsheng Gao (2023)：Image intensity variation information for interest point detection, IEEE Transactions on Pattern Analysis and Machine Intelligence. (CCF -A, JCR 一区TOP 期刊, IF=24.31). 

[2] Junfeng Jing, Tian Gao, Weichuan Zhang*, Yongsheng Gao, Changming Sun (2023): Image feature information extraction for interest point detection: A comprehensive review. IEEE Transactions on Pattern Analysis and Machine Intelligence. (CCF -A, JCR 一区TOP 期刊, IF=24.31) 

[3] Weichuan Zhang, Yali Zhao, Yongsheng Gao, Changming Sun (2023)：Re-abstraction and perturbing support pair network for few-shot fine-grained image classification, Pattern Recognition. (CCF-A, JCR 一区 TOP 期刊, IF= 8.518) 

[4] Weichuan Zhang*, Changming Sun (2021): Corner detection using second-order generalized Gaussian directional derivative representations, IEEE Transactions on Pattern Analysis and Machine Intelligence. (CCF -A, JCR 一区TOP 期刊, IF=24.31) 

[5] Weichuan Zhang*, Changming Sun (2020): Corner detection using multi-directional structure tensor with multiple scales, International Journal of Computer Vision. (CCF-A, JCR 一区 TOP 期刊, IF=11.54) 

[6] Weichuan Zhang*, Changming Sun, T. Breckon, N. Alshammari (2019): Discrete curvature representations for noise robust image corner detection, IEEE Transactions on Image Processing. (CCF-A, JCR 一区 TOP 期刊, IF=10.860) 

[7] Baoqiang Ma, Jiapan Guo, Tian-Tian Zhai, Arjen van der Schaaf, Roel J. H. M. Steenbakkers, Lisanne V. van Dijk, Stefan Both, Johannes A. Langendijk, Weichuan Zhang, Bingjiang Qiu (2023): CT-based deep multi-label learning prediction model for outcome in patients with oropharyngeal squamous cell carcinoma, Medical Physics. (IF=4.506) 

[8] Junfeng Jing, Shenjuan Liu, Gang Wang, Weichuan Zhang*, Changming Sun (2022): Recent advances on image edge detection: A comprehensive review, Neurocomputing, Volume 503, Pages 259-271. (CCF -A, JCR 二区期刊, IF=5.779). 

[9] Junfeng Jing, Chao Liu, Weichuan Zhang, Yongsheng Gao, Changming Sun (2022): ECFRNet: Effective corner feature representations network for image corner detection, Expert Systems with Applications, 118673. (CCF -A, JCR 二区期刊, IF=6.954). 

[10] Mingzhe Wang, Weichuan Zhang, Changming Sun*, and Arcot Sowmya (2020): Corner detection based on shearlet transform and multi-directional structure tensor. Pattern Recognition. (CCF-A, JCR 一区 TOP 期刊, IF= 7.74). 

[11] Weichuan Zhang*, Yali Zhao, Breckon Toby, Long Chen (2017): Noise robust image edge detection based upon the automatic anisotropic Gaussian kernels, Pattern Recognition. (CCF-A, JCR 一区 TOP 期刊, IF=8.518). 

[12] Weichuan Zhang*, Peng-Lang Shui (2015): Contour-based corner detection via angle difference of principal directions of anisotropic Gaussian directional derivatives, Pattern Recognition. (CCF-A, JCR 一区 TOP 期刊, IF=8.518). 

[13] Peng-Lang Shui*, Weichuan Zhang (2013): Corner detection and classification using anisotropic directional derivative representations, IEEE Transactions on Image Processing. (CCF-A, JCR 一区 TOP 期刊, IF=10.860). 

[14] Weichuan Zhang*, Fu-Ping Wang, Lei Zhu, Zuo-Feng Zhou (2014): Corner detection using Gabor filters, IET Image Processing, 8(11):639-647. (Impact factor is 2.373) 

[15] Peng-Lang Shui*, Weichuan Zhang (2012): Noise-robust edge detector combining isotropic and anisotropic Gaussian kernels, Pattern Recognition. (CCF-A, JCR 一区 TOP 期刊, IF=8.518). 

代表性会议论文 

[1] Mohsin Challoob, Weichuan Zhang, Yongsheng Gao (2023): A Modulatory Elongated Model for Delineating Retinal Microvasculature in OCTA Images. The Medical Image Computing and Computer Assisted Intervention Society. (CCF-A, TOP会议). 

[2] Liao Y, Weichuan Zhang, Gao Y (2022): ASRSNet: Automatic Salient Region Selection Network for Few-Shot Fine-Grained Image Classification[C]//Pattern Recognition and Artificial Intelligence: Third International Conference, ICPRAI 2022, Paris, France, June 1–3, 2022, Proceedings, Part I. Cham: Springer International Publishing, 2022: 627-638. (CCF-B). 

代表性在审稿论文 

[1] Weichuan Zhang, Yali Zhao, Yongsheng Gao*, Changming Sun (2022) Re-harvesting feature information in convolutional neural networks for few-shot fine-grained image classification, IEEE Transactions on Pattern Analysis and Machine Intelligence. 在审 (CCF- A, JCR 一区 TOP 期刊, IF= 24.31) 

[2] Weichuan Zhang, Jiapang Guo, Yongsheng Gao*, Changming Sun (2022): MIGDRNet: Multiple Independent Gaussian Distribution Representations Network for Few-Shot Fine-Grained Image Classification, IEEE Transactions on Pattern Analysis and Machine Intelligence. 在审 (CCF- A, JCR 一区 TOP 期刊, IF= 24.31) 

[3] Weichuan Zhang, Jie Ren, Yongsheng Gao*, Changming Sun (2022): Feature Representation Learning for Few-Shot Fine-Grained Image Classification: A Review, IEEE Transactions on Image Processing. 在审(CCF-A, JCR 一区 TOP 期刊, IF=10.860).  

发表中文期刊论文：

[1]卢锦, 马令坤, 吕春玲, 章为川, Sun Chang-Ming. 基于代价参考粒子滤波器组的多目标检测前跟踪算法[J]. 自动化学报, 2024, 50 (04): 851-861.

[2]于文雅, 任劼, 章为川, 鲁磊. 二阶各向异性高斯导数滤波器的斑点检测算法[J]. 光电子技术, 2024, 44 (01): 72-77.

[3]王凯, 任劼, 章为川. 基于Swin Transformer的图神经网络小样本图像分类算法[J]. 激光与光电子学进展, 1-16.

[4]解耀华, 章为川, 任劼, 景军锋. 基于自适应特征融合的小样本细粒度图像分类[J]. 计算机工程与应用, 2023, 59 (03): 184-192.

[5]朱新源, 任劼, 章为川. 基于注意力机制的双度量小样本图像分类算法[J]. 国外电子测量技术, 2022, 41 (08): 34-38.

[6]李婉婉, 任劼, 章为川, 常楠楠. 基于多尺度二阶广义高斯方向导数滤波器角点检测算法[J]. 长江信息通信, 2022, 35 (03): 54-58.

[7]景军锋, 孙久锐, 章为川, 白萌萌. 基于多尺度离散曲率的图像角点检测方法[J]. 西安工程大学学报, 2021, 35 (05): 27-33.

[8]李宁, 景军锋, 章为川, 白萌萌, 孙久锐. 基于多方向结构张量积的快速角点检测算法[J]. 激光与光电子学进展, 2021, 58 (20): 394-404.

[9]景军锋, 李宁, 章为川. 基于多尺度多方向Gabor滤波器的角点检测[J]. 西安工程大学学报, 2021, 35 (03): 36-43.

[10]王天赋, 任劼, 章为川, 晁凯. 基于多尺度各向异性高斯核主方向角度变化的角点检测[J]. 长江信息通信, 2021, 34 (05): 32-35.

[11]白萌萌, 景军锋, 章为川, 孙久锐. 边缘轮廓上基于CPDA的图像角点检测[J]. 西安工程大学学报, 2021, 35 (02): 29-34.

[12]李云红, 何亚瑞, 章为川, 周小计. 利用点弦距离递归的图像角点检测算法[J]. 中国图象图形学报, 2019, 24 (07): 1148-1159.

[13]张晓丹, 刘贵忠, 张志禹, 朱磊, 郭华, 章为川. 多尺度高阶FDTD逆时偏移在煤田地震勘探中的应用[J]. 煤炭学报, 2018, 43 (11): 3169-3177.

[14]李云红, 王珍, 张凯兵, 章为川, 闫亚娣. 基于学习的图像超分辨重建方法综述[J]. 计算机工程与应用, 2018, 54 (15): 13-21.

[15]卢锦, 王鑫, 章为川. 基于代价参考粒子滤波的存在概率检测算法[J]. 电子学报, 2017, 45 (06): 1498-1505.

[16]赵亚利, 章为川, 李云红. 图像边缘轮廓自适应阈值的角点检测算法[J]. 中国图象图形学报, 2016, 21 (11): 1502-1514.

[17]章为川, 孔祥楠, 宋文. 图像的角点检测研究综述[J]. 电子学报, 2015, 43 (11): 2315-2321.

[18]杨婷婷, 顾梅花, 章为川, 马蒙蒙. 彩色图像边缘检测研究综述[J]. 计算机应用研究, 2015, 32 (09): 2566-2571.

[19]章为川, 张智, 赵强, 高燚. 基于各向异性高斯方向导数滤波器的角点检测[J]. 西安工程大学学报, 2014, 28 (04): 491-495.

[20]朱磊, 水鹏朗, 章为川. 抑制SAR图像相干斑的迭代方向滤波算法[J]. 电子与信息学报, 2014, 36 (01): 220-227.

[21]王俊青, 章为川, 王富平, 陈美荣. 使用多弦长曲率多项式的角点检测算法[J]. 计算机应用, 2013, 33 (08): 2313-2316+2354.

[22]章为川, 水鹏朗, 徐国靖. 边缘线上各向异性高斯核信息熵的角点检测[J]. 西安电子科技大学学报, 2013, 40 (04): 119-124+129.

[23]朱磊, 水鹏朗, 章为川, 周忠根. 利用区域划分的合成孔径雷达图像相干斑抑制算法[J]. 西安交通大学学报, 2012, 46 (10): 83-88+100.

[24]章为川, 水鹏朗, 朱磊. 利用各向异性高斯方向导数相关矩阵的角点检测方法[J]. 西安交通大学学报, 2012, 46 (11): 91-97.

[25]章为川, 程冬, 朱磊. 基于各向异性高斯核的多尺度角点检测[J]. 电子测量与仪器学报, 2012, 26 (01): 37-42.

[26]朱磊, 纪爱燕, 章为川. McBSP与常用串行接口通信兼容方案设计[J]. 电子测量技术, 2011, 34 (05): 111-115.

[27]章为川, 戴如意. 基于小波的图像去噪及压缩[J]. 电脑知识与技术(学术交流), 2007, (13): 184-185+207.

[28]章为川,楼新远,戴如意. 基于MPEG-4的数字视频监控系统在银行中的应用[J]. 台声.新视角, 2005, (01): 189-190.

 

资料更新中…… 

学术报告： 

[1] “Have we thoroughly considered how to detect image points?”, 澳大利亚格里菲斯大学, April 2022. 

[2] “Image interest point detection”, 澳大利亚科学与工业研究院, Dec 2021. 

[3] “Discriminative Representation Learning for Fine-grained Image Classification”, 澳大利亚科学与工业研究院, Sep 2020.

——记陕西科技大学电子信息与人工智能学院教授章为川

2024-05-11　

 

从浙江到西安，从英国到澳大利亚，2023年秋，历经十数年辗转求索，章为川扎根陕西科技大学（简称“陕科大”），继续攀登“极致科研”的高峰。在这里，他欣喜地发现，以轻工科学为特色的陕科大有着活跃的科研氛围、深沉的学术底蕴。“我愿扎根三秦大地，把十余年来的科研积淀和未来的研究成果全部奉献给一方百姓。”章为川深情地说。

从图像中提取不同的特征信息用来处理兴趣点检测等不同的计算机视觉或图像处理任务，是章为川的主要研究领域。十余年来，为攻破心中关于图像兴趣点检测的疑问，他不懈追寻，最终用完整的数学推导及从中总结得到的兴趣点特性向世人证实了基于Harris算法和SIFT算法的理论架构存在重大缺陷；通过几十余篇顶刊论文，他与合作者以愚公移山的精神和实践，撼动了长期以来被广泛写在计算机视觉和图像处理教科书中的“共识”，在解决“图像兴趣点特征信息提取及检测”领域的相关技术和理论瓶颈问题中作出了重大贡献。 

“读万卷书，行万里路” 

20世纪80年代，章为川出生于钟灵毓秀的浙江“南大门”——苍南县藻溪镇，沐浴着文化新风，他自由成长。“我父母非常开明，对我的学习成绩不做严格要求。在读高中之前，我最大的爱好就是看书。从最初的小人书，到抗日战争相关的书籍，再到武侠、历史、传记、艺术、哲学等书籍，我把零花钱几乎都花在了买书上，并且把周边能借到的书籍尽可能都借了个遍。”读书让章为川感到快乐和充实。从书中的大千世界，章为川汲取了丰富的养料，锻炼了敏捷的思辨能力，“读万卷书，行万里路”“尽信书，不如无书”“纸上得来终觉浅，绝知此事要躬行”等名言更对他日后的科研生涯产生了深远影响。

1999年，章为川考入成都理工大学，就读电子信息专业。他敏锐地感受到中国通信事业将迎来二次腾飞。时至今日，章为川仍记得当年各个新闻报道里都在说，全球已进入电子信息时代，作为正攻读相关专业的学子，他认真思考着，如何才能把电子信息学好。“在跟老师同学深入讨论，以及自己在学校图书馆里查阅了相关书刊之后，我发现要想学好电子信息专业，归根结底还是学好数学。”于是本科阶段，章为川除了学习教学规划内的数学课程之外，还自学了泛函、数论、小波分析、凸优化、数学建模等丰富的数学知识。这些积累为他后面兴趣点检测理论架构的建立提供了厚实的基础和保障。

2003年大学毕业，章为川入读西南交通大学，师从楼新远教授开展信号与信息处理方向的研究。“3年里，我在科研上‘天马行空’，虽然楼教授把我绝大多数的想法都驳回了，但他会耐心地解释我想法上的逻辑缺陷，培养了我的科研逻辑思维。”2009年，章为川又北上攻读西安电子科技大学博士研究生，在雷达信号处理国家重点实验室师从水鹏朗教授继续研究信号与信息处理。在导师的影响下，他树立了将科研做到极致的信念，确立了更远大的目标。因此，2013年以来，章为川一边在西安工程大学任职，一边怀揣“出国是为了回国”的初衷，继“读万卷书”之后，又开启了“行万里路”的征程。他先后前往英国的伯恩茅斯大学、杜伦大学，澳大利亚的联邦科学与工业研究组织（CSIRO）、格里菲斯大学开展访问交流和研究。

有了国内的研究基础，章为川在信息科学领域“登堂入室”，2015年到2023年，8年间的海外科研可以说是章为川深入探索、成果井喷的阶段。在这一时期，他收获了代表性成果，也遇到生命中的贵人，不仅提升了认知宽度和认知高度，也深受这些优秀科学家的精神品格的触动和影响。

在澳大利亚从事博士后研究时，章为川有幸进入联邦科学与工业研究组织首席研究科学家孙长明的课题组。“一进组，孙博士就问我想做什么研究，我毫不犹豫地回答，想在自己的领域做出最好的工作，并把成果发表到全球人工智能和计算机视觉领域的顶刊《IEEE模式分析与机器智能汇刊》（T-PAMI）上。”孙长明听后，露出赞许的目光，笑道：“好好，让我们一起努力！”孙长明为章为川打开了顶级科研的通道，几乎对这位博士后的研究习惯进行了一次重塑。“比如，如何思考问题、如何解决问题。而且，他对我要求非常严格，包括论文中微小的标点符号和格式上的错漏都不可以出现。”在高标准下，章为川刻苦钻研，与孙长明始终保持紧密合作关系，陆续在图像兴趣点检测领域做出了一系列国际领先的具有原创性的成果。相关论文不仅获得《IEEE模式分析与机器智能汇刊》、《计算机视觉国际期刊》（IJCV）和《IEEE图像处理汇刊》（T-IP）等期刊的收录，在《IEEE模式分析与机器智能汇刊》上更是发表了3篇文章，超预期实现了当初的目标。

 

章为川的另一段重要研究经历，是在格里菲斯大学的工程与建筑环境学院做了接近4年的研究员。课题组的主管负责人是高永晟教授，他是一位具备全球视野和格局的科学家。在他的带领下，章为川进入了一个全新领域——植物病虫害检测及分类。“在高教授的引导下，我与他合作在植物病虫害检测及分类、医学图像处理、可解释性深度学习网络设计领域做出了一系列原创性成果。”相关工作成果获得《IEEE模式分析与机器智能汇刊》、《模式识别》（PR），以及医学图像分析领域国际公认的最具影响力的学术会议——医学图像计算与计算机辅助干预国际会议（MICCAI）的收录。这段特殊的科研经历，也让章为川学会了在遇到全新课题时如何思考并解决，积累了更加从容应对新挑战的信心和勇气。

如今在工作中，章为川经常对学生说这样的话：“科学研究不可以总是做跟随性研究，一定要沉住气、静下心，在前沿领域持续开展原始创新。”他认为，基础理论的原始创新研究虽然在短期内无法产生任何经济效益，甚至有些基础理论研究看不到在工业生产领域的价值，但必须承认，恰恰是基础理论研究制约了许多国家的科研和工业现代化的发展。所以，这些年他始终秉持着最初的理念，不懈深耕于其中。 

十年磨一剑，锤炼极致科研 

“来到陕科大后，我发现电子信息与人工智能学院的科研基础与我的研究方向十分契合，这里现有中国轻工业清洁生产自动化与信息化重点实验室、陕西省人工智能联合实验室、陕西省平板显示技术工程研究中心、人工智能与微系统未来产业创新研究院等省部级教学科研平台，对我们团队日后的研究十分有利。”章为川兴奋地说。

图像兴趣点检测是章为川很早就关注的方向。学界通常把角点和斑点归为兴趣点，分别用水平和竖直方向的图像一阶导数和二阶导数信息来检测角点和斑点。这两个算法几乎成了兴趣点检测器的标准算法，被写入各种各样的计算机视觉和图像处理的教科书，广泛运用于不同的计算机任务中，且现有基于深度学习网络的兴趣点检测算法大多也是基于Harris算法或SIFT算法的理论架构而设计。相关基础理论犹如两座大山，难以撼动。

早在2013年时，章为川已敏锐地从实验中发现图像水平和竖直方向的一阶导数和二阶导数信息用来检测角点和斑点的理论架构存在问题，也曾试着跟人讨论，“但对方听了我说的话之后直接劝我放弃这个幼稚且不切实际的想法，毕竟只有完整的数学推导并从中总结得到的兴趣点特性才能向世人证实这两个基本理论架构存在重大缺陷”。为建立离散曲率解析表达式，章为川和他的合作者孙长明曾经整整花了5个多月，用了2000多张A4纸去证明长期以来本科高等数学教材中的离散曲率计算公式存在的重大理论缺陷，并提出了新的离散曲率计算公式。“我们要得到的不是近似解，而是闭式解，但很多式子按照常规解题思路无法继续推导得到，需要用到大量的数学运算技巧，导致运算复杂度非常高。有时候，我们要花一周甚至两周才能让离散曲率解析式往前推动一步。”过程中，章为川面临的最大问题就是变量繁多，在连续5个多月的数学推导过程中，不可以犯任何的书写和运算错误，完全是对一个人毅力和耐力的重大考验，幸好在孙长明的鼓励下，他坚持了下来。之后，文章在《IEEE图像处理汇刊》顺利发表，对后续的科研成果被顶刊《IEEE模式分析与机器智能汇刊》《计算机视觉国际期刊》录用铺垫了良好开端。

2023年8月章为川回国前夕，更成熟的研究成果发表在《IEEE模式分析与机器智能汇刊》。文章中写道：“尽管文献中已经有很多关于兴趣点检测的文章，但我们总是有一个疑问：我们是否充分考虑过如何利用灰度变化信息来检测图像中的兴趣点？我们的主要问题如下：我们是否充分考虑过如何准确地获取图像的一阶或二阶导数信息来检测兴趣点？我们是否充分考虑过角点和斑点之间的特征差异？我们是否充分考虑过如何准确地检测图像中的角点和斑点？我们的研究表明，现有的兴趣点检测方法存在两个主要问题：一是从来没有人解释如何准确地从图像中提取灰度变化信息来检测兴趣点，无论是角点还是斑点；二是从来没有人从数学解析表达式的角度准确解释角点和斑点之间的特征差异，以及兴趣点的幅度响应、比例因子和滤波方向之间的关系。”

经过多年的持续叩问，章为川和孙长明建立了不同的角点和斑点模型，并利用一阶和二阶广义高斯（各向异性/各向同性）方向导数滤波器去推导不同角点和斑点的数学解析表达式，并总结角点和斑点的物理属性，进而对角点和斑点进行了重新诠释，如：什么是角点，什么是斑点，角点和斑点的联系和区别，如何从图像中提取特征信息用于准确描述角点和斑点，如何从图像中提取特征信息用于准确检测角点和斑点，图像水平和竖直方向的一阶导数无法用来准确地描述边缘和角点的特征差异，图像多尺度水平和竖直方向的二阶导数无法用来准确描述斑点和角点的特征差异及准确检测斑点等。基于角点和斑点的数学解析表达式，他们不仅做出了国际领先的原创成果，而且他们的算法在不同图像仿射变换条件下具有更稳定的检测性能，且在图像配准、3D重建、图像斑块检测、血管内的血斑检测、植物病虫害检测等不同的计算机视觉任务中，相关算法性能指标均比现有算法好，提出的理论架构也能更好地指导深度网络架构的设计用于图像兴趣点检测。此外，相关方法和成果还获得牛津大学、悉尼大学、悉尼科技大学、约翰·霍普金斯大学和捷克理工大学等世界一流高校的学者在多篇论文中的多次引用和高度评价。

一心想做极致科研的章为川，十年磨一剑，在解决“图像兴趣点特征信息提取及检测”领域的相关技术和理论瓶颈问题中作出了重大贡献，实现了一直以来的心愿。 

产学研联动，服务国计民生 

阅遍千山万水，赤子情怀未变。“2015年，我怀着沉重的心情，游览了大英博物馆，看到本应属于祖国的珍贵文物被异国抢掠并堂而皇之展出，一瞬间仿佛梦回那个动荡屈辱的时代，内心震动。也是在那一瞬，我更加理解国强才能民安的内涵和重要性。这些年在国外，我时刻关心着国内动态，脱贫攻坚、乡村振兴，以社会主义制度为基础的减贫模式不断取得新成就、创造新奇迹，我由衷地感到骄傲和开心，也督促自己更努力，希望科研丰收之际赶紧回国，跟大家一起把祖国建设得更美好。”

志相合者，不以山海为远。2023年秋天，已是格里菲斯大学首席研究员的章为川，带着在图像局部特征提取设计、局部特征数学解析表达式的构建、图像压缩、图像分割、小样本细粒度图像分类等理论方法研究与应用系统设计领域发表的80余篇论文成果（其中《科学引文索引》（SCI）论文31篇、《美国工程索引》（EI）论文30余篇）毅然回国，加入陕科大。这是一场令人欣喜的双向奔赴，“我给国内好几所高校都投递了简历，但唯有陕科大的电子信息与人工智能学院的吕文华书记和马令坤院长在不到一周的时间内就把所有流程都帮我办理完毕，他们的诚意让我无法拒绝”。陕科大强烈的爱才惜才之心和硬核的人才引进政策，促成了章为川第三次留在西安，并坚定扎根三秦大地、产学研联动促发展的决心。

2023年9月，章为川团队联合青岛认知人工智能研究院提出了一个注意力再注意力的非线性变换端到端网络架构来代替线性变换作为图像和视频压缩的主体架构。相关成果很好地应用于浙江某银行业务单据压缩工作中。据统计，这个银行在浙江省有支行82个，有网点约4000个，平均每个支行每天产生的业务流水单据图片数据量约20GB。总行拟对浙江省82家支行业务流水单据进行统一管理，通过对这些业务单据数据进行压缩，降低支行到总行的传输带宽投入，以及总行的存储设备投入。预计，这一技术应用以后，每年将为相关银行直接节省成本1217万元；此外，章为川团队还联合西安捷达测控有限公司提出了一个多尺度特征融合的网络架构用于陕西省安康市永久性农田的SAR图像变化检测方案，相关算法的准确率达80%以上；同时，章为川还带领团队联合西安交通大学第一附属医院神经外科，对脑胶质瘤患者术前的肿瘤进行定位及肿瘤级别进行分类，对术后患者生存期预测进行建模。

在陕科大的大力支持下，章为川领衔的图像计算实验室团队，现已有5名教师和15名研究生。课题涉及图像压缩、医学图像分析与处理、兴趣点检测及图像配准、3D重建，以及相关技术在无人驾驶中的运用等。过往的经历造就了章为川开明负责的育人观，他说：“我作为团队的负责人，有责任和义务把团队成员培养好，让他们都能茁壮成长。我们每一次的课题讨论都是开诚布公的平等对话，因为我认为没有人可以逼迫别人做他们不喜欢做的事。只有设身处地想成员所想，为他们谋机会、谋成长，团队才会更快更好地向前奔跑。”

这些年，辗转国内外多地求学探索，章为川始终没有放弃小时候的爱好。工作之余，他最喜欢的仍是阅读，家中万余本藏书已经让他实现了少年时与书为伴的心愿。不知疲倦的阅读垒砌起章为川登高的阶梯，也使他相信，一名优秀的计算机视觉和图像处理领域的人才，除了要对本领域的知识了然于胸，拥有扎实的数学基础、代码编程和文章书写能力外，还必须具备深邃前瞻的洞察力，了解自己的研究领域存在的问题、解决的方法、未来的去路。“还有一点不可忽视的因素，就是要具备强大的抗压力。我认为这在很大程度上决定了一个人的发展高度。”因此，在阅读之外，为锻炼身体、保持干劲、排解压力，章为川已经连续十余年，不论刮风下雨，每天跑步5公里。

未来，章为川希望在奋力打造优质团队、培育创新人才的同时，继续坚守原始创新、前沿创新的信念做研究，并寻找更多产学研合作机会，让已有的学术成果尽快落地，服务国计民生，为祖国建设添砖加瓦,为民族复兴铺路架桥。

来源：科学中国人 2024年第4期  封二人物