张新征，工学博士（后），副教授，硕士生导师
研究方向：人工智能及应用、航天遥感信息处理
招收研究生方向与专业：
n 信息与通信工程（人工智能及应用、航天遥感信息处理、雷达探测与识别）
n 电子信息（机器视觉及应用、人工智能软件工程及应用）
联系方式：zhangxinzheng@cqu.edu.cn； QQ：1504409352
学术任职：公司航天遥感智能感知实验室负责人，IEEE Member，IGARSS成员、SPIE会员、亚太人工智能学会会员、中国电子学会会员、中国人工智能学会会员、中国宇航学会会员、中国遥感应用协会会员、重庆市电子学会会员。担任国家科技奖励评审专家、国家自然科学基金评审专家、教育部科技项目评审专家、教育部学位与研究生教育发展中心评议专家，重庆市科技计划项目评审专家、重庆市综合评标专家，四川省科技计划项目评审专家等。国际SCI旗舰期刊IEEE Trans. on Image Processing；IEEE Trans. on Geoscience and Remote Sensing；IEEE Trans. on Aerospace and Electronics Systems; IEEE Trans. on Circuits and Systems for Video Technology; IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing; IEEE Geoscience and Remote Sensing Letters；ISPRS Journal of Photogrammetry and Remote Sensing; Remote Sensing；International Journal of Remote Sensing; Remote Sensing Letters; Progress In Electromagnetic Research；国内EI核心期刊《电子学报》、《电子与信息学报》、《系统工程与电子技术》、《宇航学报》、《遥感学报》、《雷达学报》等期刊审稿人。
科研经历：主持和主研国家重点研发计划项目、国家公司科技专项项目、国家自然科学基金、航天CAST创新基金、ZF预研基金、华为创新基金项目、重庆市技术创新与应用发展重点项目、重庆市前沿与应用基础研究计划项目等20余项；在ISPRS Journal of Photogrammetry and Remote Sensing; IEEE Trans. on Geoscience and Remote Sensing；IEEE Trans. on Aerospace and Electronics Systems; Remote Sensing；IEEE Geoscience and Remote Sensing Letters；《电子与信息学报》、《系统工程与电子技术》等期刊发表论文50余篇；任Remote Sensing 期刊Special Issue客座主编；申请获权发明专利20余项，其中多项已经成果转化。
主要研究方向：
（1）人工智能及其应用：深度学习及应用，智能感知与机器视觉，大数据智能挖掘及分析等。
（2）航天遥感信息处理：卫星多源遥感信息处理、月球遥感与探月科学、深空探测及行星遥感等。
（3）雷达探测信息处理：雷达成像信号处理、目标检测与识别、多维电磁散射特性分析及应用等。
人才培养：长期开展电子信息与人工智能人才培养工作，主讲《数字信号处理》、《雷达系统及其信息处理》等本科生课程和研究生课程。指导大员工创新创业项目、SRTP项目多项。培养优异生、研究生20余名，多就职于中电科技、中国航天、华为、阿里等知名科研机构和头部企业。
代表性科研项目：
1、科技部国家重点研发计划项目：城市超量径流孕灾受灾要素物联网智慧感知技术研究（2022YFC3800502-01），2022年，主研
2、航天CAST创新基础项目：XXXXXX检测识别技术研究（JG20210246），2022年，主持
3、重庆市自然科学基金面上项目：基于无监督非平衡学习的多时相SAR遥感微弱变化检测技术研究（cstc2021jcyj-msxmX0174），2021年，主持
4、电磁散射重点实验室项目： XXXXXX电磁特性分析及软件设计（JG20220077），2021年，主持
5、重庆市科技计划项目基础科学与前沿技术研究专项：基于局部方位低秩字典学习的SAR图像目标识别研究（cstc2017jcyjAX0332），2017年，主持
6、国家自然科学青年基金项目：基于高分辨距离像时频域稀疏表示的微波遥感目标识别研究（61301224），2013年，主持
代表性学术论文：
1. Su H, Zhang X Z*, Zhang Ce, et al., Nonlocal feature learning based on a variational graph auto-encoder network for small area change detection using SAR imagery, ISPRS Journal of Photogrammetry and Remote Sensing, 193, 2022, Pages 137-149. （IF: 11.7，中科院一区，JCR一区）
2. Zhang X Z*, Su H, Zhang Ce, et al. Robust unsupervised small area change detection from SAR imagery using deep learning. ISPRS Journal of Photogrammetry and Remote Sensing. 2021, 173(11), 79-94. （IF: 11.7，中科院一区，JCR一区）
3. Wang J, Zhang X Z*, Liu M M, et al. SAR target classification using multi-aspect multi-feature collaborative representation. Remote Sensing Letters. 2020, 11(8):720-729. （IF: 2.3，中科院四区，JCR三区）
4. Zhang X Z*, Liu, G.， Zhang, C.， et al. Two-Phase Object-Based Deep Learning for Multi-Temporal SAR Image Change Detection. Remote Sensing. 2020, 12, 548. （IF: 5.3，中科院二区，JCR一区）
5. Zhang X Z*, Xia J L, Tan X H, etal. PolSAR Image Classification via Learned Superpixels and QCNN Integrating Color Features. Remote Sensing. 2019, 11(15), 1831. （IF: 5.3，中科院二区，JCR一区）
6. Zhang X Z*,,Wang Y J, Tan Z Y, etal, Fusion of Multifeature Low-Rank Representation for Synthetic Aperture Radar Target Configuration Recognition, IEEE Geoscience and Remote Sensing Letters, 2018, 15(9), 1402-1406. （IF: 5.3，中科院二区，JCR一区）
7. Zhang X Z*,Liu Z Y, Liu S J, etal, Sparse Coding of 2D-slice Zernike Moments for SAR ATR, International Journal of Remote Sensing, 2017, 38 (2) : 412-431. （IF: 3.5，中科院二区，JCR二区）
8. 张新征, 谭志颖, 王亦坚. 基于多特征-多表示融合的SAR图像目标识别[J]. 雷达学报, 2017, 6(5): 492-502. （EI核心）
9. 张新征，刘书君，秦建红，等. 基于距离像时频非负稀疏编码的SAR目标识别[J]. 系统工程与电子技术，2014，5(10)：203-212. （EI核心）
代表性发明专利：
1. 张新征，周喜川，苏杭等; 一种基于图神经网络的变化检测方法，(专利号: ZL202110336097.3)，2022年；
2. 张新征，谭志颖，刘过等； 基于自适应多方位角字典对学习的SAR图像目标识别方法，（专利号：ZL201911025388.X），2022年；
3. 张新征，苏杭，谭晓衡等；一种无监督或弱监督的受约束的模糊C均值聚类方法，（专利号：ZL202110037076.1），2022年；
4. 张新征，王娟； 一种基于FINCH聚类的SAR图像变化检测方法，（专利号：ZL202110320514.5），2022年；
5. 张新征，刘过，苏杭；一种基于深度学习的多时相SAR图像变化检测方法，（专利号：ZL201911413117.1），2022年；
其他简介：
课题组依托“信息物理社会可信服务计算”教育部重点实验室，具有良好的硬软件环境，并与中国航天、中国电科、华为等研究机构所有长期良好的研究合作。欢迎信息类相关专业员工报考、也非常欢迎数学/物理等相关专业跨学科报考！
