近日，我校仪器科学与光电工程学院教师刘羽在《IET Image Processing》上以第一作者身份发表的文章“Simultaneous image fusion and denoising with adaptive sparse representation”，荣获2017年度IET Image Processing最佳论文奖（2017 Premium Award for Best Paper in IET Image Processing）。此奖项每年评选一次，从之前两年刊登于该期刊的所有论文中遴选出一篇论文作为最佳论文。此次，上述论文从2015-2016两年刊登于该期刊的200余篇论文中脱颖而出，荣获此奖项。

《IET Image Processing》是图像处理领域国际知名期刊，是IET（英国工程技术学会）旗下的重要期刊。上述获奖论文由刘羽博士和中国科学技术大学汪增福教授合作发表，提出了一种自适应稀疏表示模型用于有噪声情况下的图像融合问题。该方法根据梯度方向的不同对稀疏域进行细分， 通过训练一组包含不同梯度方向信息的低冗余度字典，有效解决了传统稀疏表示方法中单一字典难以兼具信号表达能力和抗噪声能力的困难，在噪声图像的融合问题中取得了明显优于传统稀疏表示方法的结果。

此外，根据基本科学指标数据库Essential Science Indicators（简称ESI）的最新更新结果(2017年11月)，我校仪器科学与光电工程学院教师刘羽、陈勋、彭虎等人在《Information Fusion》上发表的论文“Multi-focus image fusion with a deep convolutional neural network”, 成功入选ESI高被引论文名单。

《Information Fusion》是信息融合领域国际权威期刊，当前影响因子5.667，中科院SCI期刊分区1区（工程大类）。上述论文将深度卷积神经网络模型首次成功应用于图像融合问题，通过训练一个分类型卷积网络实现由输入源图像到融合权值图的直接映射，有效克服了传统方法中融合策略采用启发式设计方式的困难，为图像融合问题的未来研究提供了新的思路与方法。

ESI是当今世界范围内普遍用以评价高校、学术机构国际学术水平及影响力的重要评价工具之一，每两个月更新一次（最近更新为2017年11月10日），数据来自于Web of Science核心合集库中近11年的数据。ESI高被引论文（Highly Cited Paper）是指ESI数据库收录的全球同发表年、同学科的论文相比较，被引次数排名前1%的论文。

相关链接：

http://digital-library.theiet.org/content/journals/iet-ipr/info/prizes

https://www.sciencedirect.com/science/article/pii/S1566253516302081