本刊記者 張笑笑

沈琳琳：科研路上的孤獨與堅持

本刊記者 張笑笑

專家簡介：

沈琳琳，深圳大學計算機與軟件學院教授，廣東省教育廳中英合作視覺信息處理實驗室主任、深圳大學計算機視覺研究所所長、博士生導(dǎo)師、英國諾丁漢大學計算機學院榮譽教授。上海交通大學學士、碩士，英國諾丁漢大學博士。

作為負責人主持國家自然科學基金項目、廣東省自然科學基金項目和深圳市科技計劃項目20余項，作為第一發(fā)明人獲發(fā)明專利2項。發(fā)表學術(shù)論文100余篇，其中SCI檢索50篇，EI檢索80篇。據(jù)Google Scholar，論文總被引用次數(shù)2032，H指數(shù)20。擔任《ISRN Signal Processing》編委，《IEEE Trans. on Image Processing》《IEEE Trans. on Multimedia》《Pattern Recognition》《Image & Vision Computing》和《Computer Vision & Image Understanding》等國際重要期刊的審稿人。

現(xiàn)為廣東省高?！扒О偈こ獭迸囵B(yǎng)對象，深圳市高層次“地方領(lǐng)軍人才”，深圳市海外高層次人才，深圳市十佳青年教師。曾獲2008年深圳市科技創(chuàng)新獎、2012年深圳市自然科學獎、2013年廣東省科學技術(shù)獎、2015年中國電子學會科學技術(shù)獎、2010年國際期刊《Image and Vision Computing》最多他引論文獎。2015、2016連續(xù)2年被愛思維爾出版社評為計算機學科“中國高被引學者”。

2016年3月，AlphaGo和李世石的世紀大戰(zhàn)點燃了大眾對“人工智能”的熱情和討論，“機器學習”“深度學習”等專有詞匯一時間傾瀉而來，它們之間到底有何區(qū)別？

深圳大學計算機與軟件學院教授沈琳琳介紹說，人工智能是一個愿景和目標，機器學習是人工智能范疇下的一種工具，深度學習則是機器學習里面一個分支，強調(diào)的是所使用的模型。交談中，沈琳琳無不流露出對這個新興領(lǐng)域的喜愛。而他主攻的圖像處理和模式識別就屬于人工智能的重要組成部分。

結(jié)緣“Gabor小波”

20世紀初，一個名叫Dennis Gabor的人提出了“Gabor函數(shù)”的概念，從此人們用他的名字來命名使用該函數(shù)的小波，即Gabor小波。那時，Gabor小波還只是一維的，也并沒有應(yīng)用于識別領(lǐng)域；后來經(jīng)過發(fā)展，它提升為二維。直到1994年，英國劍橋大學約翰·道格曼使Gabor小波的發(fā)展產(chǎn)生了質(zhì)的飛躍。他用Gabor函數(shù)跟貓的視覺皮層的響應(yīng)函數(shù)做比較，觀察貓在看東西時皮層是如何興奮的，以及神經(jīng)元興奮響應(yīng)的函數(shù)。研究后他發(fā)現(xiàn)，二者很像，這說明用Gabor小波函數(shù)分析圖像是有生理基礎(chǔ)的，于是他開發(fā)了第一個虹膜掃描及辨識的算法，并申請了專利。

“Gabor小波應(yīng)用的很成功！”2002年，沈琳琳受英國政府海外研究獎學金資助遠赴諾丁漢大學攻讀博士，主要從事人臉識別研究，那時他用到最多的方法就是Gabor小波函數(shù)，“用這種方法來提取特征，人臉識別準確率很高”。初獲成功點燃了沈琳琳的興趣，他開始閱讀大量的文獻，隨著研究的深入，他發(fā)現(xiàn)Gabor小波性能很好，但問題同樣存在——計算量比較復(fù)雜，特征維度很高——計算效率低?！爱敃r我做了一個重要的工作就是找到一個方法，通過特征選取，把不重要的去掉，使特征維度縮短，從而加快提取的速度，最終達到又準又快?！彼麑Σ捎肎abor特征的二維人臉識別方法進行了全面、深入的總結(jié)，對不同方法的思想、原理及其優(yōu)缺點進行了歸納分析，通過互信息和Boosting算法對小波的位置、中心頻率以及方向進行選擇，最后只采用其中關(guān)鍵的數(shù)百個特征進行識別，從而在準確性降低很少的情況下大大提高了識別系統(tǒng)的效率。研究成果“A review on Gabor wavelets for face recognition”發(fā)表于《Pattern Analysis and Applications》雜志，目前據(jù)Google統(tǒng)計被引用次數(shù)已達362次；研究成果“MutualBoost learning for selecting Gabor features for face recognition”發(fā)表在《Pattern Recognition Letters》，目前據(jù)Google統(tǒng)計被引用次數(shù)已達101次。

博士期間，沈琳琳獲得了“國家優(yōu)秀自費留學生”獎勵。畢業(yè)后，他進入英國諾丁漢大學醫(yī)學院擔任Research Fellow。諾丁漢大學因核磁共振儀而聞名。2003年，美國伊利諾大學香檳分?；瘜W系教授保羅·勞特伯與英國諾丁漢大學教授彼得·曼斯菲爾因在核磁共振成像技術(shù)方面貢獻重大，獲得諾貝爾生理學或醫(yī)學獎。沈琳琳也自然投入到大腦核磁共振（MRI）圖像處理和基于MRI圖像的大腦疾病分析研究工作中，參與多個基于Gabor小波的醫(yī)學圖像處理項目。所謂的“核磁共振成像”就是將人體置于特殊的磁場中，用無線電射頻脈沖激發(fā)人體內(nèi)氫原子核，引起氫原子核共振，并吸收能量。在停止射頻脈沖后，氫原子核會按特定頻率發(fā)出射電信號，并將吸收的能量釋放，被體外的接受器收錄，經(jīng)電子計算機處理獲得圖像。這是前期工作，而沈琳琳所要做的是后期處理，“拿到核磁共振的圖像后，我需要做一些圖像處理，醫(yī)生再在這基礎(chǔ)上比較正常和患某種疾病的大腦的異同，分析疾病的原理?！?/p>

從二維到三維

提到圖像處理，一定離不開“模式識別”。模式識別是一個大領(lǐng)域，可識別的內(nèi)容有很多，比如圖像、語音等?！皥D像的來源很廣泛，如攝像頭拍照、醫(yī)學X光掃描等，但不論設(shè)備是什么，最后得出的都是圖像”。得到圖像后，下一步就要開始理解圖像。如何理解？這涉及到“人是如何看圖像的”。早期，犯罪嫌疑人在紙上印下自己的指紋印，由法官憑借肉眼判斷兩個指紋是否為同一人。這是最原始的識別。隨著科技的日新月異，技術(shù)愈發(fā)可以解放人力，簡言之，沈琳琳的研究內(nèi)容就是設(shè)計一個“機器”取代人眼，從而把圖像內(nèi)容識別出來。這需要他學習人類觀察事物的方法，掌握不同領(lǐng)域的專業(yè)知識作為基礎(chǔ)?？v觀全局，這其實是一個輸入和輸出的過程，沈琳琳的任務(wù)就是中間過程中的轉(zhuǎn)化連接。

后來，他在對Gabor小波抽取信號特征機理進行深入研究的基礎(chǔ)上，結(jié)合核方法、信息理論和支持向量機，構(gòu)建了高效而魯棒的人臉、掌紋、指紋以及硬幣識別系統(tǒng)。

“我想把所做的研究與實際產(chǎn)業(yè)進一步結(jié)合，在英國只是做純粹的研究，產(chǎn)業(yè)結(jié)合沒有太多的機會，而且文化不同，結(jié)合的難度也比較大。”于是，在2006年沈琳琳結(jié)束海外漂泊，回國加入深圳大學計算機與軟件學院。

一個人在國外，遠離親人又面臨著文化差異，困難程度可想而知，沈琳琳堅持了過來?；貒螅琅f舉步艱難。由于錯過了申請碩士生導(dǎo)師的時間，沈琳琳沒有自己的學生，做事情都只能靠自己，一個人寫申請書，一個人做研究，一個人敲代碼，“開頭很難”，話語間仍能體會他當時的艱辛與酸楚?！白隹蒲凶钪匾氖菆猿帧?，因為始終如一的信仰，沈琳琳咬牙度過了最難的開創(chuàng)期。

在深圳大學，沈琳琳延續(xù)了在國外的研究內(nèi)容，希望對一些固有問題提出新的解決方法?！氨热缬姓趽?、光照暗，人臉識別就會受到影響，準確率低”。他的第一個項目國家自然基金項目“基于過完備感知模型和稀疏表示的有遮擋人臉識別研究”意在解決這一問題。“但是這個方法解決問題的同時自己本身也存在一些問題——字典計算量比較大，不容易找出解”，對此他申請了第二個國家自然基金項目“過完備字典自適應(yīng)優(yōu)化理論及應(yīng)用研究”。就這樣，沈琳琳受“問題驅(qū)動”意識影響，不斷地發(fā)現(xiàn)問題、尋找解決方法。

當時Gabor小波還主要用于二維圖像，“在二維圖像上效果那么好，能不能用到三維圖像上？”于是沈琳琳開拓性地將三維Gabor小波應(yīng)用于三維大腦核磁共振圖像配準以及高光譜遙感影像分類領(lǐng)域。他提出了一種基于三維Gabor小波的配準性能評判方法，即通過對配準后三維MRI圖像的局部結(jié)構(gòu)進行分析，可以快速、客觀地給出性能指標。方法能廣泛應(yīng)用于配準算法的選擇、參數(shù)選取，最終推動基于三維MRI圖像的大腦疾病分析技術(shù)的進步。研究成果發(fā)表在當時影響因子為4.3的JCR 1區(qū)期刊《Medical Image Analysis》上。后期，他又通過三維Gabor小波和高光譜數(shù)據(jù)的卷積，抽取影像每個像元在空間-光譜聯(lián)合空間內(nèi)的局部變化特性。實驗發(fā)現(xiàn)，“多個不同小波抽取的特征在融合后，能夠很好地代表象元在三維空間內(nèi)的局部信號變化”。后續(xù)工作對三維Gabor特征進行了進一步篩選，在保持高準確率的同時，大大提高了系統(tǒng)效率。研究成果陸續(xù)發(fā)表在影響因子為3.5的JCR 1區(qū)期刊《IEEE Transactions on Geoscience and Remote Sensing》。

夢想照進現(xiàn)實

隨著工業(yè)合作的深入發(fā)展，沈琳琳有越來越多的機會實現(xiàn)產(chǎn)業(yè)化愿景。2011年，沈琳琳收到一份邀請。這是一家生產(chǎn)醫(yī)用顯微鏡和硬件的公司，其產(chǎn)品主要銷售給醫(yī)院用做疾病診斷，比如驗血——加入抗原、抗體后在顯微鏡下觀察不同的反應(yīng)，以判斷是否可能出現(xiàn)某種疾病。過去，整個過程都依靠人工使用顯微鏡，這樣就造成檢測員工作量很大，準確率和效率也都受到不同程度影響，因此，他們就提出能否有一個軟件自動把反應(yīng)類型分類。

“他們有需求，我們就合作”，沈琳琳接受了這個挑戰(zhàn)。殊不知，那時世界上做這類研究的人還很少，因為做細胞圖像有一個特點——沒有數(shù)據(jù)做不了研究。沈琳琳因為和公司合作，就有了獲取圖像數(shù)據(jù)的來源，這樣，他才能順利地做下去。

兩年后，檢驗成果的時刻終于來到。IEEE國際圖像處理會議（ICIP）組織了一場“國際熒光細胞圖像分類大賽”，沈琳琳延續(xù)先前工作，在詞袋框架下對基于灰度排序的局部特征字典進行了研究，通過聚類對密集采樣獲得的局部紋理特征字典進行學習，將在該字典上的表示用直方圖統(tǒng)計代表整體圖像，最后和空間金字塔方法相結(jié)合用于對顯微鏡觀察到的HEp-2細胞熒光圖像進行自動分類。比賽最后，沈琳琳的算法擊敗了來自美國、澳大利亞、日本、法國和意大利著名大學的13支參賽團隊，以最高的準確率獲得冠軍。研究成果也發(fā)表于模式識別領(lǐng)域知名期刊《Pattern Recognition》 。

漸漸地，沈琳琳的工作走上正軌，他也有了自己的學生。說起他的第一個研究生，沈琳琳記憶頗深?！八菍？粕究粕?，基礎(chǔ)不是很好”，但通過3年的努力，最后拿到了一家互聯(lián)網(wǎng)名企公司的錄取單。擁有這樣傲人的成績，除了學生自身的刻苦，沈琳琳也功不可沒。作為老師，他總是更多的投入精力和時間去訓練學生，通過帶他們做科研、做項目提升技術(shù)水平。授人以魚不如授人以漁，“在培養(yǎng)其技術(shù)能力的基礎(chǔ)上要有針對性的培養(yǎng)他們獨立思考，不是把技術(shù)簡單的告訴他，而是教會他如何獲得這個技術(shù)，如何思考、如何解決問題”，表達與溝通也是他看重的能力。傳道授業(yè)，沈琳琳可謂是用心良苦。

回憶起當年在上海交大讀碩士，沈琳琳感概道，“那時還沒有數(shù)據(jù)庫，網(wǎng)絡(luò)也不發(fā)達，查論文很麻煩，只能去圖書館打印”。后來讀博士，一切就都變得方便，他有機會接近最新技術(shù)，同國際學者交流接觸。以至于到如今，沈琳琳更加珍惜這個時代所創(chuàng)造的機會，可以讓像他一樣有追求有激情的科研者踐行自己的科學夢。未來，沈琳琳期盼有一個更大的突破——和公司達成合作，產(chǎn)品能有更多人使用。

電話那端，沈琳琳的聲音有些低沉，甚至有些疲憊。在沈琳琳看來，科研就是一條一旦選擇了就不能停下腳步的路，唯有源源不斷地探尋下去，才可能看到彼岸的縷縷曙光。然而在路途中，會經(jīng)歷獨孤、困苦、失望，也會有欣喜與激動。這一切都需要自己默默承擔下，“在未來的某一天，一定會感謝當年努力奮斗過的自己?！?/p>